|模型蒸馏|人工智能|大型语言模型|
提炼大型模型的知识是复杂的，但一种新方法展现了令人难以置信的性能
大型语言模型（LLMs）和少数据学习已经表明我们可以将这些模型用于未知任务。然而，这些技能代价很高：庞大的参数数量。这意味着您还需要专门的基础设施，并将最先进的LLMs限制在仅少数公司和研究团队。
- 我们真的需要每个任务一个独特的模型吗？
- 是否可能为特定应用创建可以替代它们的专门模型？
- 如何拥有一个与巨型LLMs在特定应用中竞争的小模型？我们一定需要大量数据吗？
在本文中，我给出了这些问题的答案。
“教育是人生成功的关键，而教师对学生的生活产生持久的影响。”-Solomon Ortiz
找出冠军！
教学的艺术就是协助发现的艺术。— Mark Van Doren
大型语言模型（LLMs）已经展现出了革命性的能力。例如，研究人员对于如上下文学习的神秘行为感到惊讶。这导致模型规模的增加，使用更大更大的模型寻求超越一定参数数量的新能力。
关于上下文学习，你需要了解的一切
什么是以及它是如何工作的，为什么大型语言模型如此强大
towardsdatascience.com