איך מפיקים יותר מ-AI בלי להיכנס לפרויקטים יקרים ומורכבים?
כיום מחפשים למנף את יכולות הבינה המלאכותית, אך אימון של מודלי שפה גדולים (LLMs) הוא תהליך יקר וממושך.
הפתרון? למידה בהקשר In-Context Learning – ICL.
במקום לאמן את המודל, פשוט מציגים לו דוגמאות רלוונטיות כחלק מהשאלה עצמה.
כך ניתן להנחות אותו להגיע לתוצאות מדויקות – ללא קוד ואימון.
רק ניסוח נכון של ההנחיה.
כך זה נראה בפועל:
שאילתה פשוטה:
"מה סטטוס היישום של החלטות ועדת הכספים מהישיבה האחרונה?"
עם למידה בהקשר:
קלט: מה סטטוס היישום של החלטות ועדת הביקורת מה-15.2?
[מסמך א' – סיכום החלטות + דוח סטטוס יישום]
פלט: החלטה 3 – יושמה במלואה (דו"ח הועבר ב-1.3),
החלטה 4 – בטיפול, ממתינים לאישור תקציב,
החלטה 5 – לא בוצעה, ממתינים לאישור
הגישה הזו יכולה לחסוך זמן, תקציב ומשאבים – במיוחד כשעובדים עם כמויות גדולות של דאטה.
שימושים נפוצים:
* ביקורות עירוניות
* סיכום וניתוח דוחות כספיים שנתיים
* דו"חות ביצוע תקציב
* מעקב אחר יישום החלטות
* סיכומי ישיבות ועדות