fly51fly (@fly51fly)

FORESTLLM이라는 방법을 제안한 연구로, 대형 언어모델(LLM)을 활용해 랜덤 포레스트의 소샷(few-shot) 표 형식(tabular) 학습 성능을 크게 향상시키는 접근입니다. 논문은 LLM과 전통적 트리 기반 모델의 결합으로 표 데이터에서 적은 샷으로도 성능을 끌어올리는 기법과 실험 결과를 제시합니다. arXiv 공개(2026).

https://x.com/fly51fly/status/2013363378845295029

#forestllm #tabular #fewshot #llm

ИИ на подъёме: восхождение к пику ожиданий и первые уроки в реальном бизнесе

Где мы все? Судя по классическому циклу зрелости, Large Language Models (LLM) уверенно маршируют к вершине «Пика завышенных ожиданий». Энтузиазм бьёт ключом: каждый день — новые анонсы и инвестиции. Как руководитель отдела инновационных проектов в «Первой Грузовой компании», я вижу этот ажиотаж и сам погружен в изучение потенциала LLM для нашей отрасли. Иллюзия всесильности ИИ сейчас сильна как никогда. Мы сейчас явно находимся на пике завышенных ожиданий.

https://habr.com/ru/companies/pgk/articles/930446/

#ииассистент #ии_и_машинное_обучение #ии #ии_чатбот #ииагенты #rag #llm #бизнеспроцесс #fewshot #oneshot_learning

Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

Привет! Меня зовут Миша Мартьянов, я инженер по исследованиям и разработке в red_mad_robot. Моя работа — искать новые идеи, проверять гипотезы и улучшать продукты. На этом пути иногда приходится изобретать уникальные решения. Например, мы создали собственный фильтр, чтобы отсеивать нежелательный контент с помощью LLM. Рассказываю, как мы к этому пришли и с какими сложностями столкнулись.

https://habr.com/ru/companies/redmadrobot/articles/922680/

#ai #llm #фильтр_контента #fewshotlearning #fewshot #false_positive #filter

Do you want to Master Prompt Engineering? Here’s my overview on how to Prompt like a Pro!

#promptEngineering #ConversationalAI #GenerativeAI #AIPrompts #PromptDesign #ZeroShot #FewShot #ChainOfThought #AIForBusiness #AIEdge #AIProductivity #WorkSmarter #DigitalTransformation #TechLeadership #FutureOfWork #Innovation #LinkedInCreators #AIInsights #TechTips #CareerGrowth

https://www.linkedin.com/pulse/prompt-like-pro-how-master-language-ai-reynaldo-garcia-jr--5meac?utm_source=share&utm_medium=member_ios&utm_campaign=share_via

🤖 AI performs better when prompted smarter—not harder.

A new study shows that Few-Shot prompting boosts response speed and achieves up to 96.88% accuracy—beating more complex approaches like Tree-of-Thought.

The trick? Give your model just enough context without overwhelming it.

Which prompting style has worked best for you lately?
Let’s compare notes 👇

📖 Full post on Blue Headline:
https://blueheadline.com/ai-robotics/this-prompting-trick-makes-ai-respond-faster-with-96-accuracy/

#AI #PromptEngineering #Technology #MachineLearning #FewShot #OpenSourceAI

Zero-shot и Few-shot Learning в NLP

Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения. Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

https://habr.com/ru/articles/897604/

#NLP #Zeroshot #Fewshot #Finetuning #Zeroshot_и_Fewshot_Learning_в_NLP #Zeroshot_или_Fewshot

Yesterday at #TPDL2023 David Pride presented “CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering”

Rather than #ZeroShot question/answering, Pride’s team combines the #CORE #OpenAccess dataset with #ElasticSearch to create #FewShot prompts that leverage the strength of combining #search results with the #LLM’s (#GPT) #summarization abilities to produce an answer to a user’s question including citations.

Ref: https://doi.org/10.1007/978-3-031-43849-3_13

"Learning to detect an animal sound from five examples" -- New paper from us! https://doi.org/10.1016/j.ecoinf.2023.102258 #bioacoustics #machinelarning #deeplearning #fewshot #acoustics #animalbehaviour

Dramatically, we have a late-entry update for the #DCASE2023 #fewshot challenge, taking the state of the art forward by quite a few percentage points! Updated results: https://dcase.community/challenge2023/task-few-shot-bioacoustic-event-detection-results #bioacoustics #machinelistening

New preprint from us! "Learning to detect an animal sound from five examples" https://arxiv.org/abs/2305.13210 #bioacoustics #deeplearning #fewshot #acoustic #ethology

The "Few-shot Bioacoustic Event Detection" challenge 2023 - evaluation data now released! A #deeplearning challenge for #fewshot #sound #recognition in #bioacoustics i.e. animal sounds https://dcase.community/challenge2023/task-few-shot-bioacoustic-event-detection

Go Little NeRF; You Are Free Now: This AI Approach Improves Few-shot Neural Rendering Capability https://triangleagency.co.uk/go-little-nerf-you-are-free-now-this-ai-approach-improves-few-shot-neural-rendering-capability/?utm_source=dlvr.it&utm_medium=mastodon #TheTriangleAgencyNews #Approach #Capability #FewShot

The Rise of Zero-Shot and Few-Shot Learning Models https://triangleagency.co.uk/the-rise-of-zero-shot-and-few-shot-learning-models/?utm_source=dlvr.it&utm_medium=mastodon #TheTriangleAgencyNews #FewShot #Learning #Models

Few-shot bioacoustic event detection is live for 2023! A #challenge to develop a #sound recognition system from only 5 examples: https://dcase.community/challenge2023/task-few-shot-bioacoustic-event-detection
Looking forward to seeing some interesting submissions! #bioacoustics #machinelearning #fewshot #DCASE

I dislike how people frame the use of pre-trained models as engaging in #zeroshot or #fewshot learning.

There is rarely discussion about the data used for pre-training. I suspect the “generic” data used for pre-training probably includes examples similar to “task-specific” targets.

Without knowing the scope of the pre-training data, how can we evaluate the claim of few- or zero-shot learning?

It would be better to describe most of this work as investigating #transfer.