محققان در مقالهای جدید به بررسی محدودیتهای روشهای کنونی در هدایت مدلهای مولد (Generative Models) پرداختهاند. تا امروز ما از «دستگیرهها» (Knobs) مثل پرامپتها یا مقیاسهای راهنما استفاده میکردیم، اما این ابزارها همیشه به یک سقف عملکرد میرسند.
نکته جالب این تحقیق این است که ثابت میکند این سقف، نقص مدل نیست بلکه یک «بودجه» است که دادههای آموزشی تعیین کردهاند. راهکار محققان استفاده از «مثالها» (Examples) به جای دستگیرههاست؛ با ارائه نمونههای ملموس، میتوانید به محدودهای از ویژگیها دسترسی پیدا کنید که هیچ پرامپتی قادر به رسیدن به آن نیست.
این روش نه تنها دایره نفوذ مدل را گسترش میدهد، بلکه به شما اجازه میدهد اهدافی را تعیین کنید که حتی توصیف آنها با کلمات غیرممکن است! 🚀
منبع: arXiv Machine Learning