Fine-tuning instructions
This commit is contained in:
@ -831,7 +831,7 @@
|
||||
"output_type": "stream",
|
||||
"text": [
|
||||
"美国航空航天局:1\n",
|
||||
"地方政府:1\n",
|
||||
"当地政府: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、地方政府、工程、员工满意度、联邦政府\n",
|
||||
"主题列表:美国航空航天局、当地政府、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。它不是关于地方政府的,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。它不是关于当地政府的,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。"
|
||||
]
|
||||
|
||||
Reference in New Issue
Block a user