PROMPT GENERATION SIMULATING FINE-TUNING FOR A MACHINE LEARNING MODEL

Aspects of the present disclosure relate to systems and methods for generating one or more prompts based on an input and the semantic context associated with the input. In examples, the prompts may be provided as input to one or more general ML models to provide a semantic context around the input and/or output of the model. The prompt simulates training and fine-tuned specialization of the general ML model without the need to use a fine-tuning process to actually train the general ML model into a fine-tuned state. Additionally, the model output may be evaluated for responsiveness to the input prior to being returned to the user. An advantage of the present disclosure is that it allows a general ML model to be applied to a plurality of applications without the need for expensive and time-consuming training to fine-tune the ML model. Des aspects de la présente divulgation concernent des systèmes et des procédés pour générer une ou plusieurs invites sur la base d'une entrée et du contexte sémantique associé à l'entrée. Dans des exemples, les invites peuvent être fournies en tant qu'entrée à un ou plusieurs modèles ML généraux pour fournir un contexte sémantique relatif à l'entrée et/ou la sortie du modèle. L'invite simule l'apprentissage et la spécialisation à réglage fin du modèle ML général sans qu'il soit nécessaire d'utiliser un processus de réglage fin pour entraîner réellement le modèle ML général dans un état à réglage fin. De plus, la sortie de modèle peut être évaluée en termes de capacité à répondre à l'entrée avant d'être renvoyée à l'utilisateur. Un avantage de la présente divulgation consiste en ce qu'elle permet d'appliquer un modèle ML général à une pluralité d'applications sans qu'un apprentissage coûteux et chronophage soit nécessaire en vue d'obtenir un réglage fin du modèle ML.