Küçük bir politika modeli, büyük modele göreve özgü ipucu üretsin.
YazıKodGerekir: ek bir şey yok
Basit · Prompt
Bir cümlelik duyuru özetlerinde önemli alanların atlanmasını azaltmak istiyorsunuz.
Bu, gerçek eğitim gerektiren düzenin yalnız bir gözetimli güncelleme ve bir ödüllü güncelleme kesitidir; tam eğitim reçetesi değildir. Sohbet komutu eğitim başlatmaz.
Başlatıcı: Uygulama geliştiricisi. Eğitim örneği x="Suluboya 12 Ekim, 8 kişi", hedef özet y="Suluboya atölyesi 12 Ekim'de, 8 kişilik." Ayrı eğitim ve değerlendirme kümeleri gerekir; tek örnek yeterli değildir.
1. Küçük politikaya yalnız bu eğitim çiftiyle bir gözetimli güncelleme uygula: x -> "12 Ekim; 8 kişi". Ardından bu x için bir ipucu örnekle.
2. Bu tek örneklemenin temsili ipucu: "12 Ekim; 8 kişi". Donmuş büyük modele x+ipucunu ver: Bu bilgileri koruyarak tek cümle yaz, yeni olgu ekleme.
3. Gerçek çıktıyı puanla: doğru tarih +1, doğru kapasite +1, kaynak dışı iddia varsa −1. Bu tek yanıtın ödülüyle küçük politikaya en fazla bir güncelleme uygula; büyük modeli eğitme.
Sınır: 1 gözetimli adım, 1 ipucu örneklemesi, 1 büyük-model çağrısı, 1 ödül hesabı ve 1 ödüllü güncelleme; sonra dur. Bu kesitte değerlendirme çağrısı yok; ayrılmış veride ölçmeden iyileşti deme.