详细内容或原文请订阅后点击阅览
使用向量引导来改进模型引导
探索向量控制研究并编写实现继续阅读 Towards Data Science »
来源:走向数据科学大型语言模型很复杂，并不总是给出完美的答案。为了解决这一问题，人们尝试许多不同的技术来指导模型的输出。我们已经在较大的数据集，具有更多参数的预训练模型上进行了预培训，并使用向量数据库（或某些其他形式的查找形式）在LLM的输入中添加相关上下文。所有这些确实有所改善，但是今天没有什么方法是愚蠢的。
指导模型的一种有趣方法是向量转向。一个有趣的例子是Claude Golden Gate Bridge实验。在这里，我们看到不管用户问什么，克劳德都会找到一些聪明的方式来提出其最喜欢的主题：金门大桥。
今天，我将仔细研究有关此主题的研究，并解释Anastasia Borovykh的出色代码实施。如果您对此主题更感兴趣，我强烈建议您查看她的视频。
Anastasia Borovykh的出色代码 查看她的视频让我们潜入！