パターンを読み込んでいます…
🎯
文脈内学習(ICL)
現在のコンテキスト内の指示や実例に基づいてモデルを条件付けする手法で、モデルのパラメータは更新しない
複雑さ: medium学習と適応
30秒でわかる概要
- 概要
- モデルの重みを変えずに、プロンプト内のタスク指示と例でモデルを条件づけ、新しい入力に対する振る舞いを導きます。
- 使いどころ
- カテゴリやパターンが明確で固定されており、少数のラベル付き例でモデルに何をすべきかを確実に示せるタスク。
- 注意点
- 例が実際の入力の分布と合っていない場合や、どの特徴が重要かをモデルが取り違えた場合、性能は急激に低下します。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
文脈内学習: 概要
現在のコンテキスト内の指示や実例に基づいてモデルを条件付けする手法で、モデルのパラメータは更新しない
- Zero-shot instructions
- Few-shot demonstrations
- Example-based task specification
- No parameter updates
- Retrieval-based example selection
- Prompt-order sensitivity testing
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Language Models are Few-Shot Learners (2020)arXiv:2005.14165
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで