生成模型新发现：示例比参数调节更有效

传统上，人们通过调节提示词、指导尺度等参数来操控生成模型，但往往发现调节到一定程度后效果不再提升。最新研究揭示这并非模型缺陷，而是存在一个“调控预算”——该预算在模型训练前就已由训练数据决定。

研究表明，属性的可调控范围分为两部分：一部分可通过参数调节实现，另一部分则只能通过展示具体示例来达到。令人惊讶的是，后者通常占据更大比例。这意味着要充分发挥模型潜力，需要采用不同策略：不是继续调节参数，而是向模型展示它已学习内容的具体实例。

研究团队提出了测量这一预算的简单方法，并给出了构建示例集以充分利用全部预算的方案。这种方法带来两大优势：一是覆盖范围更广，能够跨越整个预算范围；二是表达能力更强，可以引导模型朝向难以用语言描述的目标。研究在图像和晶体结构生成两个不同领域验证了这一理论，明确了何时参数调节足够，何时必须使用示例方法。