インコンテキスト学習 とは？

モデルの重みを更新する学習とは違い、入力の中のお手本などを参考にして答えるんだ。たとえば「うれしい→肯定的」「悲しい→否定的」と例を示し、「がっかり」を分類させる。今回の入力から答え方を合わせるので、モデル自体を再学習させる必要はないよ。

入力に数例のお手本を入れる使い方だよ。例の入力と望ましい出力を組にして見せ、新しい入力への答えを求める。例が1つならワンショット、例なしで指示する設定はゼロショットと呼ぶね。例の数は少なければ必ずよい、多ければ必ずよいというものではないんだ。

実際にしてほしい仕事に近く、入力と正解の組がわかる例を選ぼう。同じパターンだけでなく、迷いやすい例も入れると、意図しない偏りを減らす助けになる。本文と例が混ざらないように区切り、出力の形式もそろえると伝わりやすいよ。

この方法でモデルの重みが書き換わるわけではないよ。次の呼び出しでも同じ例を使いたいなら、その入力に例を含める必要がある。サービスが会話の履歴や別の記憶機能で情報を渡すこととは、分けて考えよう。

正確になる保証はないよ。モデルやタスク、例の内容によって結果は変わるし、入力できる長さにも上限がある。使いたい仕事に近い別の入力で、間違い方と出力形式を確かめよう。うまくいかないときは、数だけ増やすより例や指示を見直すといいね。