Originalarbeiterreichbar
Language Models are Few-Shot Learners
GPT-3, eingereicht am 28.05.2020. Zeigt, dass ein ausreichend großes Modell Aufgaben löst, für die es nie eigens trainiert wurde, wenn man ihm im Text ein paar Beispiele vorlegt. Das ist der Grund, warum Prompting überhaupt funktioniert. Die Zusammenfassung beschreibt außerdem, was vorher galt: Ein Sprachverarbeitungssystem brauchte für jede Aufgabe eigens gesammelte Beispiele, Tausende bis Zehntausende.
geprüft 24.09.2026Archivfassung (externe Seite, web.archive.org)
Worauf sich diese Seite beruft, wörtlich, abgerufen am 07.08.2026:
While typically task-agnostic in architecture, this method still requires task-specific fine-tuning datasets of thousands or tens of thousands of examples.
bestätigt 24.09.2026For all tasks, GPT-3 is applied without any gradient updates or fine-tuning, with tasks and few-shot demonstrations specified purely via text interaction with the model.
bestätigt 24.09.2026GPT-3 achieves strong performance on many NLP datasets, including translation, question-answering, and cloze tasks, as well as several tasks that require on-the-fly reasoning or domain adaptation, such as unscrambling words, using a novel word in a sentence, or performing 3-digit arithmetic
bestätigt 24.09.2026
KI-GeschichteFew Shot im GlossarNatural Language Processing im GlossarPrompt Engineering im GlossarZero-Shot im Glossar01 Was Conversational AI ist01 Was ein Sprachmodell ist02 Was ein Sprachmodell tut06 Gute Prompts schreiben15 Wofür man ein Sprachmodell benutzt