Agendid tahavad saavutada erinevaid eesmärke, kuid nende valikud mõjutavad üksteise tulemusi

Agendid tahavad saavutada sama eesmärki, kuid iga agent saab valida erineva strateegia ilma, et see mõjutaks tulemust

Agendid tahavad saavutada sama eesmärki, kuid ei tea, milline strateegia annab parima tulemuse

Agendid tahavad saavutada sama eesmärki, kuid peavad valima sama strateegia mitme võimaliku variandi seast

Strateegiate kombinatsioon, kus kõik agendid valivad sama strateegia ja saavutavad sama tulemuse

Strateegiate kombinatsioon, kus ükski agent ei saa oma tulemust parandada, muutes oma strateegiat ühepoolselt

Strateegiate kombinatsioon, kus kõik agendid saavutavad võimalikult hea ühise tulemuse

Strateegiate kombinatsioon, kus iga agent valib strateegia, mis maksimeerib tema tulemuse sõltumata teiste valikutest

Individuaalselt ratsionaalsed valikud võivad viia mõlema agendi jaoks kehvema tulemuseni kui võimalik ühine lahendus

Kui agendid ei saa omavahel suhelda, siis nende valikud ei sõltu teise agendi otsusest

Mõlema agendi jaoks parim tulemus saavutatakse siis, kui mõlemad valivad koostöö strateegia

Kui agendid teavad kõiki võimalikke tulemusi, siis nad valivad ühise tulemuse, mis on mõlema jaoks parim

Iga agent saab oma tulemuse maksimeerida sõltumatult teistest

Tulemused sõltuvad mitmest tegurist, mida üks agent ei saa täielikult kontrollida

Tulemused on määratud ühe agendi otsuse ja juhuslikkuse koosmõjul

Tulemused sõltuvad mitme agendi valikute kombinatsioonist

Sest teised agendid teevad oma valikuid iseseisvalt, samas kui keskkond ei tee valikuid

Sest agendid teevad eesmärgipäraseid valikuid, mis sõltuvad teiste agentide otsustest

Sest teiste agentide käitumine on keeruline ja raskesti ennustatav võrreldes tavalise keskkonnaga

Sest teiste agentide käitumine muutub vastavalt olukorrale, samas kui keskkonda käsitletakse tavaliselt fikseerituna

Zero-shot prompting kasutab ainult instruktsiooni, few-shot lisab sisendisse näiteid ning chain-of-thought suunab mudelit esitama vahepealseid järeldussamme.

Zero-shot prompting kasutab lihtsamat sisendit, few-shot keerukamat sisendit ning chain-of-thought lisab mudelile täiendavaid arvutusvõimeid.

Zero-shot prompting annab mudelile vähem infot, few-shot rohkem infot ning chain-of-thought muudab mudeli vastused alati täpsemaks.

Zero-shot ja few-shot prompting muudavad mudeli käitumist, samas kui chain-of-thought mõjutab ainult vastuse esitamise viisi.

Mudel on treenitud teksti jätkama, seega prompt määrab konteksti, millele mudel genereerib tõenäolise jätku.

Prompt muudab mudeli treeningeesmärki, nii et see kohandub iga ülesande jaoks eraldi.

Prompt võimaldab mudelil tuvastada õige väljundiformaadi, mille järel ta rakendab sellele vastavaid eksplitsiitseid reegleid.

Mudel sisaldab eri tüüpi ülesannete jaoks eraldi sisemisi komponente, mida prompt aktiveerib.

Eeltreenimine õpib keele statistilisi mustreid, juhistega treenimine õpetab mudelit juhiseid järgima, ning joondamine suunab vastuste stiili ja eelistusi ilma oluliselt uusi teadmisi lisamata.

Kõik treeningetapid optimeerivad sama järgmise sõna ennustamise eesmärki, kuid erinevate andmestikega.

Eeltreenimine õpetab mudelit konkreetseid ülesandeid lahendama, juhistega treenimine laiendab sõnavara ning joondamine parandab faktide täpsust.

Eeltreenimine ja juhistega treenimine on sama eesmärgiga protsessid, joondamine muudab mudeli väljundi deterministlikumaks.

Nende treeningeesmärgid on erinevad: BERT täidab lünki, GPT ennustab järgmist sõna.

BERT treenitakse märgendatud andmetel, GPT märgendamata andmetel.

Nende tähelepanumehhanismid on erinevad: BERT kasutab enesetähelepanu, GPT ei kasuta.

BERT kasutab kogu lauset sisendina, samas kui GPT jagab teksti väiksemateks osadeks enne töötlemist

Iga sõna esitatakse suurema dimensiooniga vektorina, mis sisaldab rohkem infot.

Mudel kasutab suuremat sõnastikku, mis võimaldab rohkem tähendusi eristada.

Iga sõna representatsioon arvutatakse ümber, võttes arvesse teisi sõnu samas lauses.

Sõnade järjekord kodeeritakse eksplitsiitselt, mis määrab tähenduse.