Nel prompt puoi includere esempi che mostrano al modello l'aspetto di una risposta corretta. Il modello tenta di identificare pattern e relazioni dagli esempi e li applica quando genera una risposta. I prompt che contengono esempi sono denominati Prompt zero-shot, mentre quelli che non forniscono esempi sono denominati Prompt zero-shot. I prompt few-shot sono spesso utilizzati per regolare la formattazione dell'output, la formulazione, la definizione dell'ambito o la definizione di pattern generali delle risposte del modello. Utilizza esempi specifici e vari per aiutare il modello a restringere il campo e generare risultati più accurati.
L'inclusione di esempi brevi nei prompt contribuisce a renderli più affidabili ed efficaci. Tuttavia, dovresti sempre accompagnare alcuni esempi di foto con istruzioni chiare. Senza istruzioni chiare, i modelli potrebbero rilevare schemi o relazioni non intenzionali dagli esempi, il che può portare a risultati scadenti.
I punti chiave di questa strategia sono i seguenti:
- Includere esempi di prompt di risposta nel prompt aiuta il modello a imparare come rispondere.
- Utilizza il markup di tipo XML per il markup degli esempi.
- Prova a sperimentare con il numero di richieste da includere. A seconda del modello, un numero insufficiente di esempi è inefficace nel modificare il comportamento del modello. Troppi esempi possono causare l'overfit del modello.
- Utilizza una formattazione coerente in tutti gli esempi
Prompt zero-shot e few-shot
Il seguente prompt zero-shot chiede al modello di estrarre le specifiche tecniche dal testo e mostrarle in formato JSON:
Extract the technical specifications from the text below in JSON format. Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass { "Network": "5G", "RAM": "8GB", "Processor": "Tensor G2", "Storage": "128GB", "Color": "Lemongrass" } |
Supponiamo che il tuo caso d'uso richieda una formattazione specifica, ad esempio i nomi delle chiavi lowecaser. Puoi includere esempi nel prompt che mostrano al modello come formattare il JSON. Il seguente prompt few-shot mostra un formato di output in cui le chiavi JSON sono minuscole:
Extract the technical specifications from the text below in a JSON format. <EXAMPLE> INPUT: Google Nest Wifi, network speed up to 1200Mpbs, 2.4GHz and 5GHz frequencies, WP3 protocol OUTPUT: { "product":"Google Nest Wifi", "speed":"1200Mpbs", "frequencies": ["2.4GHz", "5GHz"], "protocol":"WP3" } </EXAMPLE> Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass { "product": "Google Pixel 7", "network": "5G", "ram": "8GB", "processor": "Tensor G2", "storage": "128GB", "color": "Lemongrass" } |
Tieni presente che l'esempio utilizza una formattazione di tipo XML per separare i componenti del prompt. Per scoprire di più su come formattare in modo ottimale i prompt few-shot utilizzando una formattazione di tipo XML, consulta Strutturare i prompt.
Trovare il numero ottimale di esempi
Puoi sperimentare il numero di esempi da fornire nel prompt per ottenere i risultati più desiderati. Modelli come PaLM e Gemini possono spesso individuare i pattern utilizzando alcuni esempi, anche se potrebbe essere necessario sperimentare il numero di esempi che porta ai risultati desiderati. Allo stesso tempo, se includi troppi esempi, il modello potrebbe iniziare a superare la risposta agli esempi.
Passaggi successivi
- Esplora altri esempi di prompt nella Galleria prompt.