上下文学习

脚踏实地的大梦想家

【ICL】上下文学习随着模型参数规模与训练数据量的持续增长，大语言模型涌现出上下文学习（In-Context Learning，ICL）能力。该能力，使语言模型无需再针对某个任务特定训练一个模型或者在预训练模型上微调，而是通过上下文，快速适应下游任务。这种通过页面或者 API 能够及其快速适应下游任务的模式，也被称为“语言模型即服务（LLM as Service）”。

大模型从零开始——提示工程 Prompt文章目录上下文学习演示示例选择选择依据选择策略直接检索聚类检索迭代检索性能影响因素预训练数据预训练模型

ExpertPrompting：指导大语言模型成为杰出专家🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/论文标题：ExpertPrompting: Instructing Large Language Models to be Distinguished Experts

TechBeat人工智能社区

AAAI 2024 | Adobe提出全新上下文提示学习框架CoPL，高效提升下游性能论文题目：CoPL: Contextual Prompt Learning for Vision-Language Understanding 论文链接：https://arxiv.org/abs/2307.00910

TechBeat人工智能社区

ICCV 2023｜PViC：构建交互谓词视觉上下文，高效提升HOI Transformer检测性能文章链接：https://arxiv.org/abs/2308.06202 代码仓库：https://github.com/fredzzhang/pvic