ToolNavs 유용한 AI 도구 찾기
도구 제출 로그인

퓨샷 러닝

퓨샷 러닝의 원리를 풀어봅니다: 재학습 없이 프롬프트 속 몇 개의 정답 예시만 보고 거대 언어 모델이 유추하는 이유, 이런 능력이 어디서 오는지, 언제 잘 통하고 언제 직접 규칙을 쓰는 게 나은지 정리합니다.

퓨샷 러닝은 추론 시점에 몇 개의 예시만 보고 새 과제를 해내는 방식으로 파라미터를 바꾸지 않습니다. 프롬프트에 두세 쌍의 입출력 예시를 넣으면 모델이 패턴을 파악해 새 문제에 적용합니다. 이 주제에서는 예시가 모델을 가르칠 수 있는 이유, 예시 개수·품질의 영향, 제로샷·파인튜닝과의 경계, 대표적인 퓨샷 Chain-of-Thought 작성법을 다룹니다.
인컨텍스트 학습이란? 파라미터를 바꾸지 않고 예시로 그 자리에서 배우는 방법

인컨텍스트 학습이란? 파라미터를 바꾸지 않고 예시로 그 자리에서 배우는 방법

인컨텍스트 학습은 대규모 모델이 파라미터를 업데이트하지 않고 프롬프트에 제시된 몇 개의 예시만으로 새로운 작업을 그 자리에서 수행하는 능력이다. 모델이 다시 학습되는 것도 아니고 예시를 영구히 기억하는 것도 아니다. 예시를 현재 대화의 임시 참고 자료로 삼아 작업의 형...

Admin
110