Q8 — AWS AIF-C01 第3章

第 8/100 题 | ← 返回第3章

一家保险公司正谢构建一个应用程序,将况用击型语言模型(LLM)进行AI文档分类。该公司有一个包含10,000个文档及其付应分类的归据集。分类包括"保险抱"、"发票"等。该模型必须造习分类任务并整合整个归据集的知识。曾种解决方案将营最小的提示击小满足这些要求?

正确答案: D. 基于指令的微调

解析

针对这个问题，我们来分析每种解决方案的优缺点，从而得出以最小提示大小满足该保险公司应用程序要求的最佳方案。A.单样本提示：此方案通过单份文档来进行提示学习，对大型数据集来说，这显然效率过低，且无法实现知识的整合。B.少样本提示：虽然相较于单样本有所改进，但面对10,000个文档和多种分类任务，仅仅依靠少量样本进行学习，仍难以保证模型的泛化能力和知识整合能力。C.持续预训练：此方案旨在通过持续的预训练来提高模型的泛化能力。然而，它不具有针对性地整合特定数据集的特定知识。D.基于指令的微调：这种方案能够使模型基于特定指令进行学习，从而快速适应到具体的任务中。通过微调，模型可以更好地理解文档的上下文和分类信息，进而整合整个数据集的知识。因此，考虑到需要学习分类任务并整合整个数据集的知识，基于指令的微调（D）将是最能满足这些要求的解决方案。它可以在最小化提示大小的同时，有效地使模型适应特定的分类任务和整合数据集知识。 查看全部