이 세 부분 GPT-3 검토의 첫 번째 부분은 규모를 연구 베팅에서 업계 복음으로 바꾼 논문을 설정합니다. 1부는 소개와 접근 방식을 다룹니다: 수천 개의 작업 특정 예제에 대한 미세 조정이 점점 더 어색하게 느껴진 이유, 사람들이 몇 가지 예제나 지시 문장에서 새로운 작업을 배우는 방법, 그리고 OpenAI가 대규모 텍스트 코퍼스로 훈련된 1750억 개 매개변수 자동 회귀 Transformer가 그 간격을 좁힐 수 있을 것으로 결정한 이유.

설명은 훈련 설정, 데이터세트 큐레이션, 그리고 그래디언트 업데이트 없이 순수 인컨텍스트 프롬프팅으로서 few-shot, one-shot, zero-shot 평가의 중요한 프레이밍에 중점을 둡니다. 이 프레이밍이 GPT-3을 모델이 아닌 플랫폼으로 만든 것이며, 이는 현재 VALL-E 스타일의 인컨텍스트 TTS 및 프롬프트된 ASR로 음성에서 일어나고 있는 동일한 개념적 이동입니다. 벤치마크 표 전에 정신적 모델을 원한다면 2부와 3부 전에 여기서 시작하세요. LLM 또는 그들의 오디오 네이티브 사촌을 기반으로 구축하는 것이 직무인 누구에게나 견고한 기반입니다.