准确率衡量的是正确预测结果与预测总数的比率。准确率是真阳性与真阳性和假阴性之和的比率，而召回率是真阳性与真阳性和假阴性总和的比率。当数据集中的类别不平衡或错误预测的成本不同时，这些指标特别有用。
还推荐了文本的特殊度量，例如编辑距离。编辑距离是衡量两个字符串之间相似性的度量。它指定将一个字符串转换为另一个字符串所需的单个字符更改（插入、删除或替换）的最小次数。进行彻底的评估以确定成本方面的最佳提示和模型也很重要。每个令牌，即输入中的每个单词，都会产生成本，并且更大、更强大的模型通常更昂贵。为了有效地关注所有相关的评估和指标并能够做出有根据的决策，专业的实验跟踪至关重要。
示例存储库
我们创建了一个示例存储库来演示使用 Aleph Alpha 的 Luminous 模型如何 旅行社电子邮件列表 轻松地执行文档处理。您可以在找到更多相关信息。
结论
与训练较小的模型相比，在较大的语言模型中使用提示可以提供更高效、更灵活的解决方案。造成这种情况的主要原因之一是较大模型过度拟合的风险较低，因为它们通常具有更丰富的知识库和更高的泛化能力。另一方面，较小的模型在有限或特定的数据集上进行训练时可能更容易出现过度拟合。更大的语言模型也更具适应性，因为它们从更广泛的数据库中学习，因此能够更好地适应不同的上下文和用例。这样可以更有效地使用模型，而无需每次需求发生变化时都从头开始进行训练过程。在较大的语言模型中使用提示的另一个优点是它们更适合在关键领域使用。由于模型没有直接针对潜在敏感或机密信息（例如分类知识或健康数据）进行训练，因此此类信息被无意披露或滥用的风险较小。
相比之下，根据此类数据训练的较小模型可能会泄露不需要的信息或无法充分处理敏感内容。总体而言，在较大的语言模型中使用提示在效率、适应性和安全性方面具有许多优势，特别是在关键应用领域。降低过度拟合的风险、根据需求变化提供灵活性以及保护敏感数据，使这些模型成为各种用例和行业的首选。
您想了解更多关于 adesso 世界中令人兴奋的话题吗？那么请看一下我们之前发布的博客文章。