Includi esempi di few-shot

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