InContextLearning
含有「InContextLearning」共 2 篇內容
全部內容
發佈日期由新至舊
隨著 Agent 任務複雜度的提升，單純擴大上下文窗口已無法滿足需求，反而可能因計算成本和「注意力衰減」問題導致效率下降。傳統 RAG 的局限性，結合短期與長期記憶、發展情境感知檢索、上下文壓縮等策略的解決方案，對於構建更智能、更能解決複雜問題的 LLM Agent 至關重要。
也許大部分的人聽過甚至用過 ChatGPT ，也可能看過 DeepSeek 的崛起影響了世界等等的報導，但有沒有想過它們到底為什麼突然能派上用場？從早期只能補字的小模型，到如今能進行翻譯、推理甚至聊天，這篇針對「湧現能力」與「上下文學習」來說明LLM 從「不能用」到「很好用」的轉變。
