这篇由三部分组成的 GPT-3 评论的开篇部分提出了将扩展从研究赌注转变为行业福音的论文。第一部分介绍了介绍和方法：为什么对数千个特定于任务的示例进行微调感觉越来越尴尬，人类如何从少数示例或指令句子中学习新任务，以及为什么 OpenAI 认为在大规模文本语料库上训练的 1750 亿参数自回归 Transformer 可能会缩小这一差距。

本演练重点介绍了训练设置、数据集管理，以及作为纯上下文提示而没有梯度更新的少样本、单样本和零样本评估的关键框架。这种框架使 GPT-3 成为一个平台而不是一个模型，并且现在在 VALL-E 风格的上下文中 TTS 的演讲中发生了相同的概念移动，并提示了 ASR。如果您希望在基准表之前获得心智模型，请在第二部分和第三部分之前从这里开始。对于那些日常工作是在 LLMs 或其音频原生同类产品之上构建的人来说，这是一个坚实的基础。