Fine-tuning instructions

This commit is contained in:
Martin Huang
2023-05-16 23:59:43 +08:00
parent 0fd8769d8e
commit a7e207f710

View File

@ -831,7 +831,7 @@
"output_type": "stream",
"text": [
"美国航空航天局1\n",
"地政府:1\n",
"地政府:0\n",
"工程0\n",
"员工满意度1\n",
"联邦政府1\n"
@ -845,7 +845,7 @@
"\n",
"以列表的形式给出答案,每个主题用 0 或 1。\n",
"\n",
"主题列表:美国航空航天局、地政府、工程、员工满意度、联邦政府\n",
"主题列表:美国航空航天局、地政府、工程、员工满意度、联邦政府\n",
"\n",
"给定文本: ```{story_zh}```\n",
"\"\"\"\n",
@ -858,7 +858,7 @@
"id": "08247dbf",
"metadata": {},
"source": [
"所以,这个故事是关于 NASA 的。它不是关于地政府的,不是关于工程的。它是关于员工满意度的,它是关于联邦政府的。这在机器学习中有时被称为 Zero-Shot 学习算法因为我们没有给它任何标记的训练数据。仅凭prompt它就能确定哪些主题在新闻文章中涵盖了。\n",
"所以,这个故事是关于 NASA 的。它不是关于地政府的,不是关于工程的。它是关于员工满意度的,它是关于联邦政府的。这在机器学习中有时被称为 Zero-Shot 学习算法因为我们没有给它任何标记的训练数据。仅凭prompt它就能确定哪些主题在新闻文章中涵盖了。\n",
"\n",
"如果我们想生成一个新闻提醒,也可以使用这个处理新闻的过程。假设我非常喜欢 NASA 所做的工作,就可以构建一个这样的系统,每当 NASA 新闻出现时,输出提醒。"
]