Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Большие языковые модели являются демонстрационными предвыборщиками для самих себя.
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Метод FEEDER автоматически отбирает МИНИМАЛЬНЫЙ, НО МАКСИМАЛЬНО ЭФФЕКТИВНЫЙ набор примеров из большого массива данных для Few-Shot промптинга. Вместо случайного выбора или подбора под каждый запрос, система заранее создает "золотой набор" демонстраций. Каждый пример оценивается по двум критериям: ДОСТАТОЧНОСТЬ (научит ли модель чему-то новому) и НЕОБХОДИМОСТЬ (не является ли избыточным).