La sessione è stata segnalata perché è stata rilevata un’attività anomala.
Per continuare, conferma di essere una persona.
La capacità di un modello di imparare un compito da esempi o istruzioni inseriti nel prompt al momento dell'inferenza, senza alcuna modifica ai suoi pesi.
L'in-context learning (apprendimento nel contesto) è il comportamento emergente che Brown et al. (2020) hanno osservato in GPT-3: mostrandogli alcuni esempi nel prompt, il modello svolge il compito senza aggiornamenti del gradiente. La rassegna di Dong et al. (2022) cataloga come funziona e cosa lo rende affidabile.
È ciò che rende efficaci il prompting, gli esempi few-shot e il chain-of-thought, e il motivo per cui un singolo modello congelato può svolgere così tanti lavori diversi.
Fonti primarie, sottoposte a revisione paritaria e d'archivio per questa definizione.
Esegui lo stesso prompt su ChatGPT, Claude, Gemini, Grok e Perplexity fianco a fianco, con i tuoi file come contesto e risposte che puoi verificare confrontandole tra loro.
Prova MultipleChat gratisPer approfondire
Invia lo stesso prompt a più modelli e scopri quale risposta regge davvero.
HumanizerRiscrivi le bozze IA con un altro modello perché suonino naturali.
GratisRendi più umani i testi IA gratis, prima di passare a un piano a pagamento.
RilevatoreIndividua gli schemi tipici dell'IA e correggi solo ciò che serve.
GuidaCapisci cosa misurano i rilevatori e come scrivere in modo onesto.
Spazio di lavoroChatGPT, Claude, Gemini, Grok e Perplexity in un unico spazio di lavoro.
Strumenti gratuitiParti dagli strumenti gratuiti e passa a pagamento quando il lavoro multi-modello ti fa risparmiare tempo.
