Nell’apprendimento automatico, l’addestramento modifica un modello usando dati e un obiettivo. Successivamente il sistema risultante viene applicato agli input. Può anche usare esempi presenti nel contesto senza modificare permanentemente i propri parametri.

La domanda importante è cosa si trasferisce a casi sconosciuti. Cerca valutazioni oltre gli esempi familiari, una netta separazione tra addestramento e test e spiegazioni dei cambiamenti nelle prestazioni. Più dati sono una scelta di risorse, non una spiegazione completa dell’apprendimento.

Fonti e approfondimenti

I collegamenti rimandano alle notizie originali o alla ricerca primaria.

  1. Vaswani et al. · Attention Is All You Need (2017)
  2. Liang et al. · Holistic Evaluation of Language Models (2022)