Soft Prompting – metoda dostrajania modelu poprzez optymalizację wektorów promptu.

Metoda polega na dostrajaniu modelu językowego poprzez optymalizację wektorów reprezentujących podpowiedź (prompt), zamiast modyfikacji samych parametrów modelu. W praktyce oznacza to, że do modelu wprowadzane są wektory, które są traktowane jako część zapytania i zostają zoptymalizowane tak, aby osiągnąć pożądane wyniki na określonym zadaniu. Pozwala to na efektywne wykorzystanie dużych, już wytrenowanych modeli bez konieczności ponownego trenowania wszystkich wag.

Zastosowanie tej techniki umożliwia szybsze i bardziej zasobooszczędne dostosowanie modelu do nowych zadań, zwłaszcza w kontekstach, gdzie dostęp do danych treningowych jest ograniczony lub wymagana jest szybka adaptacja. Optymalizacja wektorów promptu odbywa się zwykle za pomocą gradientowego spadku błędu na zadaniu docelowym, co pozwala na uzyskanie wysokiej jakości wyników przy minimalnych zmianach w działaniu oryginalnego modelu.