这个三部分GPT-3评论的开幕篇介绍了将扩展从研究赌注变成行业标准的论文。第一部分涵盖了介绍和方法：为什么在数千个任务特定示例上微调感到越来越尴尬，人类如何从少数几个示例或一句指令中学习新任务，以及OpenAI为什么认为在大规模文本语料库上训练的1750亿参数自回归Transformer可能会弥合这一差距。

演练深入讨论了训练设置、数据集策划，以及将少样本、一样本和零样本评估关键地框架化为纯上下文提示（无梯度更新）。这个框架是使GPT-3成为平台而不仅是模型的原因，这也是现在在语音中发生的相同概念转变，具有VALL-E风格的上下文TTS和提示ASR。如果你想在基准表之前了解心理模型，请先从这里开始，然后再看第二和第三部分。对于日常工作是在LLMs或其音频本地表亲基础上构建的任何人来说，这是坚实的基础。