Ordlista

Zero-shot-inlärning

Vad är Zero-shot-inlärning?

Zero-shot-inlärning innebär att en modell kan lösa en uppgift utan att i förväg ha sett specifika exempel på den. Stora språkmodeller kan till exempel genomföra en översättning eller klassificering enbart utifrån en beskrivning i prompten. Om kvaliteten inte räcker till hjälper ofta few-shot-inlärning: man lägger till några exempel på det önskade svaret.

Så hjälper KI.ordo

KI.ordo-agenter hanterar många uppgifter enbart utifrån sina instruktioner; att lägga till exempel i instruktionerna kan förbättra resultaten på ett riktat sätt.

Läs mer

Ämnen

LLM
Prompting
Grunder

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Few-shot-inlärning

Few-shot-inlärning är en modells förmåga att lösa en uppgift utifrån bara en handfull exempel. Med språkmodeller sker detta oftast direkt i indata: man visar två eller tre par av fråga och önskat svar, och modellen tillämpar samma format och stil på nya fall – utan omträning. Exempel: tre korrekt kategoriserade kundförfrågningar räcker ofta för att sortera ytterligare förfrågningar på samma sätt.

Prompting
Exempel
+1

Transfer Learning

Vid överföringsinlärning (transfer learning) fungerar en modell som redan har lärt sig en stor allmän uppgift som utgångspunkt för en ny, specialiserad. I stället för att börja från noll anpassas den, till exempel genom finjustering, med jämförelsevis lite egna data. Det sparar beräkningstid och data, till exempel när en allmän bildmodell ska lära sig upptäcka produktionsfel i foton.

Maskininlärning
Training
+1

Prompt

En prompt är den indata som talar om för en AI-modell vad den ska göra – en fråga, en uppgift eller en instruktion, ofta kompletterad med sammanhang, exempel och önskat format. Svarets kvalitet beror i hög grad på hur tydlig och fullständig prompten är. Skriv till exempel i stället för ”Skriv något om vår produkt”: ”Skriv tre korta fördelar med produkt X för hantverksföretag, i saklig ton”.

prompting
indata
+1

Mall

Stor språkmodell (LLM)

En stor språkmodell (large language model, LLM) är ett neuralt nätverk som tränats på mycket stora textmängder och därmed kan förstå och generera språk. Den fungerar genom att steg för steg beräkna den mest sannolika nästa token. LLM:er skriver, sammanfattar, översätter, besvarar frågor och genererar kod; kända exempel är Claude, GPT, Gemini och Llama. Utan tillgång till aktuella källor vet de bara det som fanns i deras träningsdata.

Språkmodeller
Generativ AI
+1