Glosář

Zero-shot learning

Co je Zero-shot learning?

Zero-shot learning znamená, že model dokáže vyřešit úlohu, aniž by předtím viděl konkrétní příklady. Velké jazykové modely například zvládnou překlad nebo klasifikaci jen na základě popisu v promptu. Pokud kvalita nestačí, často pomůže few-shot learning: doplníte několik příkladů požadované odpovědi.

Jak pomáhá KI.ordo

Agenti KI.ordo zvládnou mnoho úkolů jen na základě svých pokynů; doplnění příkladů do pokynů může výsledky cíleně zlepšit.

Zjistit více

Témata

LLM
Prompting
Základ

Vyzkoušet KI.ordo

Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.

Spustit demo

← Všechny pojmy

Související pojmy

Few-shot learning

Few-shot learning je schopnost modelu vyřešit úlohu jen z hrstky příkladů. U jazykových modelů se to obvykle děje přímo ve vstupu: ukážete dva nebo tři páry otázky a požadované odpovědi a model použije stejný formát a styl na nové případy – bez dalšího trénování. Příklad: tři správně zařazené zákaznické dotazy často stačí k tomu, aby se další dotazy třídily stejným způsobem.

Prompting
příklady
+1

Transfer Learning

Při transferovém učení slouží jako výchozí bod pro nový, specializovaný model model, který se již naučil rozsáhlý obecný úkol. Místo začínání od nuly se přizpůsobí, například dolaďováním, s použitím poměrně malého množství vlastních dat. Šetří to výpočetní čas i data, například když se obecný obrazový model má naučit odhalovat výrobní vady na fotografiích.

Strojové učení
Training
+1

Prompt

Prompt (zadání) je vstup, který AI modelu říká, co má dělat – otázka, úkol nebo pokyn, často doplněný kontextem, příklady a požadovaným formátem. Kvalita odpovědi výrazně závisí na tom, jak jasný a úplný prompt je. Například místo „Napiš něco o našem produktu“ použijte „Napiš tři krátké přínosy produktu X pro řemeslné firmy, věcným tónem“.

prompting
vstup
+1

Šablona

Velký jazykový model (LLM)

Velký jazykový model (LLM) je neuronová síť natrénovaná na velmi velkém množství textu, díky čemuž dokáže jazyk chápat a generovat. Funguje tak, že krok za krokem počítá nejpravděpodobnější další token. LLM píší, shrnují, překládají, odpovídají na otázky a generují kód; mezi známé příklady patří Claude, GPT, Gemini a Llama. Bez přístupu k aktuálním zdrojům vědí jen to, co bylo v jejich trénovacích datech.

jazykové modely
generativní AI
+1