Ihre Sitzung wurde wegen ungewöhnlicher Aktivität markiert.
Bitte bestätigen Sie, dass Sie ein Mensch sind, um fortzufahren.
Die Fähigkeit eines Modells, eine Aufgabe zur Inferenzzeit aus Beispielen oder Anweisungen im Prompt zu lernen, ohne dass sich seine Gewichte ändern.
In-Context-Learning ist das emergente Verhalten, das Brown et al. (2020) bei GPT-3 beobachteten: Zeigt man dem Modell einige Beispiele im Prompt, erledigt es die Aufgabe ohne Gradienten-Updates. Der Überblick von Dong et al. (2022) katalogisiert, wie es funktioniert und was es zuverlässig macht.
Darauf beruht die Wirksamkeit von Prompting, Few-Shot-Beispielen und Chain of Thought – und deshalb kann ein einziges eingefrorenes Modell so viele verschiedene Aufgaben erledigen.
Primäre, begutachtete und archivierte Quellen für diese Definition.
Führen Sie denselben Prompt in ChatGPT, Claude, Gemini, Grok und Perplexity nebeneinander aus – mit Ihren eigenen Dateien als Kontext und Antworten, die Sie gegenprüfen können.
MultipleChat kostenlos testenMehr erfahren
Senden Sie denselben Prompt an mehrere Modelle und sehen Sie, welche Antwort standhält.
HumanizerSchreiben Sie KI-Entwürfe mit einem anderen Modell um, damit sie natürlich klingen.
KostenlosÜberarbeiten Sie KI-Texte kostenlos, bevor Sie auf einen kostenpflichtigen Tarif umsteigen.
DetektorErkennen Sie typische KI-Muster und überarbeiten Sie nur, was wirklich nötig ist.
LeitfadenVerstehen Sie, was Detektoren messen, und lernen Sie, ehrlich zu schreiben.
WorkspaceChatGPT, Claude, Gemini, Grok und Perplexity in einem Workspace.
Kostenlose ToolsStarten Sie mit kostenlosen Tools und wechseln Sie zum Bezahltarif, wenn die Arbeit mit mehreren Modellen Zeit spart.
