A. 토큰이 얼마나 자주 등장했는지에 관계없이 모든 토큰에 동일한 페널티를 부여합니다.

B. 이전에 텍스트에 등장한 적이 없는 토큰에만 페널티를 부여합니다.

C. 토큰이 두 번 이상 나타난 경우에만 페널티를 적용합니다.

D. 토큰이 처음 나타난 후 나타날 때마다 페널티를 줍니다.

A. 레이블이 지정된 작업별 데이터가 상당량 사용 가능한 경우

B. 모델이 원래 훈련되지 않은 도메인에서 좋은 성능을 발휘하도록 조정해야 하는 경우

C. 작업별 훈련 없이 대규모 언어 모델(LLM)에 학습 가능한 매개변수를 추가해야 하는 경우

D. 모델이 레이블이 지정되지 않은 데이터에 대한 지속적인 사전 학습을 요구하는 경우

A. 수동 업데이트가 자주 필요하므로 운영 비용이 증가합니다.

B. 실시간으로 업데이트되는 지식 기반을 제공하며, 세부적으로 조정된 LLM보다 저렴합니다.

C. 실시간 업데이트가 필요하기 때문에 비용이 증가합니다.

D. 가격은 더 비싸지만 더 높은 품질의 데이터를 제공합니다.

A. 생성된 텍스트의 일관성 측정

B. 코드 가독성 정렬

C. 출력의 사실적 정확성 평가

D. 편견이나 독성 감지

A. 맥락 내 학습

B. 뒤로 물러나기 촉구

C. 최소에서 최대로의 프롬프트

D. 생각의 사슬