上下文学习能力

1. 少样本学习

1.1 代码

import ollama

# 创建指向本地服务器的客户端
client = ollama.Client(host='http://192.168.100.135:11434')

# 定义少样本提示词
few_shot_prompt = (
    "以下是关于电影评论的示例：\n"
    "输入：这部电影真是太棒了！\n"
    "输出：积极\n"
    "输入：我觉得这部电影很无聊。\n"
    "输出：消极\n"
    "请根据下面的评论判断其情感倾向：\n"
    "输入：我对这部电影感到失望。"
)

# 使用 Ollama 模型 'llama3.2:1b' 进行对话
response = client.chat(model='llama3.2:1b', messages=[
    {
        'role': 'user',
        'content': few_shot_prompt,
    },
])

# 输出模型生成的响应
print("模型生成的响应：\n", response['message']['content'])

1.2 输出

模型生成的响应：
 根据给出的评论，下面是判断其情感倾向的可能性：

- "这部电影真是太棒了！"（积极）
- "我觉得这部电影很无聊"（消极）
- "我对这部电影感到失望"（负面）

2. 零样本学习

2.1 代码

import ollama

# 初始化 Ollama 客户端连接到远程服务器
ollama_client = ollama.Client(host='http://192.168.100.135:11434')

# 定义零样本学习的提示词
zero_shot_prompt = "请用中文解释量子力学的基本概念。"

# 使用 Ollama 模型 'llama3.1:8b' 进行对话
response = ollama_client.chat(model='llama3.1:8b', messages=[
    {
        'role': 'user',
        'content': zero_shot_prompt,
    },
])

# 输出模型生成的响应
print("生成的输出：\n", response['message']['content'])

2.2 输出

生成的输出：
 量子力學中的基本概念有波粒二象性、量子不確定性、疊加和干擾原理、量子態、量子隧穿效應、費米_statistics和玻姆_interpretation等。

波粒二象性是指微觀物體可以以波的形式或以粒子的形式出現。在實驗中，通過觀察可以使物體轉換為一種形式，但不能同時具有兩種形式。量子不確定性則是指無法精確地知道某個量的值，即某些量是不可能被測量出的。

疊加和干擾原理是指兩個或以上粒子的量子態可以彼此干擾，產生出不同的狀態，這種狀態稱為量子的疊加。當觀察到粒子時，量子的疊加就會破裂，使其呈現出確定的量子態。

量子態是指微觀物體在任何給定時間的狀態。它描述了物體的能量、動量和其他物理特徵。在實驗中，通過測量，可以觀察到不同量子的量子態。

費米_statistics和玻姆_interpretation等則是對於量子力學的解釋。費米_statistics是一種統計方法，用來描述微觀粒子的行為；玻姆_interpretation則是一個對於量子的定義和意義的詮釋。

提示语工程的本质是上下文学习，目的是激活预训练模型的迁移学习能力。因此，提示语工程的核心目标是提高上下文学习的效率，使预训练模型能够根据提示语的指示，在特定的语境或背景下进行学习和推理。