零样本提示：理解并运用LLM功能
零样本（Zero-Shot）提示是指大规模语言模型，比如 GPT-3 这样的人工智能，即便没有提前看到任何特定示例或演示，也能完成特定任务的能力。这一功能使得人工智能通过学习多种数据，能够灵活地胜任各种任务。
零样本提示示例？
比如，我们以对特定文本进行情感分类这个任务为例。如果用户在没有任何说明的情况下输入“这本指南值得一看。”，语言模型会将其归类为“中立”。
在这个过程中，即使人工智能没有事先接收有关情感分类的具体示例，也能正确分析句子的情感。这正体现了零样本提示的核心功能。也就是说，不依赖任何预先资料，仅利用语言模型现有能力来解决问题，就叫做零样本。
零样本学习的发展
2022年，Jason Wei 在《FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS》一文中提出的指令调优，让这个功能得到了进一步提升。
FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS.pdf1.55MB
指令调优是通过对数据集进行微调，提高人工智能对指令的理解与执行能力。实际上，这正是 ChatGPT 的“自定义指令”功能所采用的方式。它能让用户无需每次都下达特别命令或给出引导，模型也能以零样本方式给出用户期望的回答。
此外，通过人类反馈进行的强化学习（RLHF）同样发挥着重要作用，这样人工智能模型才能更好地契合人类的偏好与指引，从而进一步提升。
转为一次性提示
零样本提示虽然很强大，但在复杂或细腻的任务中也有一定局限。这时，最好在提示中加入示例或演示，这被称为“一次性提示（One-shot Prompt）”。通过一次性提示，人工智能可以给出更加准确和详细的结果。
虽然表达起来可能拗口，其实就是说下指令时要一次说清楚，比如建议提供示例或标准。以我们前面说过的情感分类器为例，就可以这样实现。
작업: 문장의 감정 분류
예시 입력: "오늘은 정말 행복한 날이에요."
예시 출력: 긍정
기준:
긍정 - 만족, 기쁨, 흥미, 행복, 감사 등의 긍정적인 반응이 포함
부정 - 불만, 실망, 슬픔, 분노, 두려움 등의 감정이 드러나는 경우가 여기에 해당
중립 - 대개 정보를 전달하거나 질문하는 등 개인적인 감정이나 태도가 드러나지 않는 경우 해당
새로운 입력: "이번 프로젝트는 좀 걱정되네요."
출력: ?只要正确地一次性输入提示，即使不是 GPT-3、GPT-4 这样的高阶模型，哪怕是能力有限的模型也能得到有意义的结果。以这种方式理解并活用人工智能的零样本提示功能，也为各行各业的应用打开了无限可能。
ⓒ 2023。Haebom，版权所有。
经版权所有者许可，可以将其用于商业目的，但需注明来源。