Few-Shot Prompting — Undervisning Genom Exempel

Det finns uppgifter där det inte räcker att tala om för AI:n vad du vill ha — du måste visa det. Detta är kärnprincipen bakom få-exempel-prompting: istället för (eller som komplement till) att skriva instruktioner, inkluderar du ett eller flera exempel på den typ av utdata du är ute efter, och låter modellen använda dessa som mall.

Få-exempel-prompting är en av de mest kraftfulla teknikerna som finns tillgängliga, särskilt för uppgifter som behöver matcha en specifik ton, ett format eller en stil som är svår att beskriva i ord.

Hur få-exempel-prompting fungerar

Strukturen är enkel. Du tillhandahåller:

1. En kort instruktion (uppgiften);
2. Ett eller flera exempel som visar input → output-par;
3. Den faktiska input du vill att modellen ska bearbeta.

Modellen läser exemplen, identifierar mönstret och tillämpa det på den nya inputen.

Exempelstruktur:

Hur många exempel behövs?

Namnet "few-shot" återspeglar att du vanligtvis inte behöver många exempel för att förankra mönstret:

• Ett exempel (one-shot) räcker ofta för enkel formatering eller stilmatchning;
• Två till tre exempel täcker de flesta professionella användningsområden och ger modellen tillräcklig variation för att generalisera korrekt;
• Fler än fem är sällan nödvändigt och kan göra prompten svårhanterlig.

Kvaliteten på dina exempel är viktigare än kvantiteten. Ett väl valt exempel som tydligt visar mönstret är mer effektivt än tre inkonsekventa.

Att välja rätt exempel

Dina exempel bör vara:

• Representativa — de ska spegla hela spannet av det du efterfrågar, inte bara de enklaste fallen;
• Konsekventa — stil, format och detaljnivå ska vara enhetliga i alla exempel;
• Verkliga om möjligt — exempel från ditt faktiska arbete ger mer träffsäker stilmatchning än påhittade exempel;
• Korrekt formaterade — modellen kommer att replikera formateringsval, inklusive misstag. Om ditt exempel har ett strukturellt fel, förvänta dig att utdata också får det.

När få-exempel-prompting är värt den extra ansträngningen

Få-exempel kräver mer arbete att sätta upp än noll-exempel. Det lönar sig när:

• Du behöver att utdata matchar en specifik befintlig röst eller format (ditt företags skrivstil, en rapportmall, en tonguide);
• Noll-exempel-försök har gett resultat som konsekvent är nära men inte helt rätt;
• Du bygger en återanvändbar promptmall som kommer att användas upprepade gånger — uppsättningskostnaden är en engångsinvestering;
• Uppgiften involverar subjektiva kvalitetsbedömningar (vad som gör en ämnesrad bra, vad som gör en sammanfattning koncis) som är lättare att visa än att förklara.