Few-shot prompting nədir? Nümunələr vs zero-shot
Zero-shot yalnız təlimat verir, few-shot isə nümunə əlavə edir. Nümunələrin nə vaxt kömək etdiyini, nə vaxt kopyalamaya və meylə yol açdığını öyrən.
Examples
Few-shot prompting promptun içinə bir neçə işlənmiş nümunə (giriş və istədiyin çıxış) qoymaqdır ki, model nümunəni təkrarlasın. Bu, formatı və ya etiketləmə üslubunu müəyyənləşdirməyin ən sürətli yoludur. Problem odur ki, modellər hər şeyi, o cümlədən nəzərdə tutmadığın qəribəlikləri də köçürür, ona görə nümunələrin seçimi və balansı təlimat qədər vacibdir.
Your app parses the model’s JSON, but sometimes the reply starts with “Sure! Here is the JSON:”. What is the most robust fix?
Sentiment klassifikatoru üçün 3 nümunənin hamısı “positive” kimi etiketlənib. Ən çox ehtimal olunan yan təsir nədir?
B. Model “positive” cavab verməyə meyl edir Modellər nümunələrdəki etiket paylanmasını mənimsəyir. Balanssız nümunələr çıxışı əyir, ona görə etiketləri qarışdır və sərhəd hal əlavə et.
Zero-shot yalnız təlimat verir. Few-shot tapşırığın bir neçə giriş-çıxış nümunəsini əlavə edir. Nümunələr format və ya mühakimə sözlə təsvir etmək çətin olanda ən çox kömək edir.
Adətən iki-beş yaxşı seçilmiş, müxtəlif nümunə. Daha çox nümunə token xərcləyir və modelin səthi detalları həddindən artıq köçürməsinə səbəb ola bilər.
Zero-shot yalnız təlimat verir, few-shot isə nümunə əlavə edir. Nümunələrin nə vaxt kömək etdiyini, nə vaxt kopyalamaya və meylə yol açdığını öyrən.
LLM-dən düzgün JSON almaq üçün sadəcə xahiş etmək kifayət deyil. Sxemlər, structured output rejimləri, yoxlama və təkrar cəhdlərlə tipik xətalardan qaç.
Prompt yazarkən edilən və pis AI cavablarının əksəriyyətinə səbəb olan səhvlər: çatışmayan kontekstdən ziddiyyətli qaydalara qədər, hər biri konkret həll ilə.
Real prompting qərarları üzrə qısa quizlər, hər cavab üçün izah. iPhone və Android-də pulsuz başla.