Este trabalho foi conduzido por Xingchen Wan, Ruoxi Sun, Hootan Nakhost, Hanjun Dai, Julian Martin Eisenschlos, Sercan Ö.Para a USP, expandimos nossa análise para uma gama muito mais ampla de tarefas, incluindo mais de 25 classificações, geração de formato curto e tarefas de geração de forma longa.Por exemplo, para tarefas como o resumo de artigos longos ou aqueles que exigem conhecimento do domínio (por exemplo, resposta a perguntas médicas), pode ser um desafio gerar respostas de amostra.Para o COSP, nos concentramos em um conjunto de seis problemas de raciocínio aritmético e sensível ao senso comum, e comparamos contra o 0-tiro (ou seja, “Vamos pensar passo a passo” apenas “.Por exemplo, a criação de manobras até um pequeno número de demos para a ampla gama de tarefas cobertas por modelos de uso geral pode ser difícil ou, para tarefas invisíveis, impossível.
Fonte: https://blog.research.google/2023/11/zero-shot-adaptive-prompting-of-large.html
