Few-shot : Învățarea prin exemple
Pe această pagină
Există un moment în care simpla descriere nu mai este suficientă. Ați descris stilul dumneavoastră cu cinci adjective, ați specificat formatul în opt rânduri, iar ChatGPT ratează totuși ținta. Soluția nu este să descrieți mai bine, ci să arătați. Prompting-ul de tip „few-shot“ înseamnă furnizarea unor exemple de ieșire dorită, astfel încât modelul să poată extrage tiparul și să îl aplice. Aceasta este cea mai fiabilă tehnică de care dispuneți pentru a obține rezultate consistente de fiecare dată.
Principiul
„Few-shot“ se referă la un prompt însoțit de câteva exemple, spre deosebire de „zero-shot“, care nu conține niciunul. Furnizați unul, două sau trei exemple a ceea ce doriți, apoi cereți modelului să continue urmând același tipar. Diferența se manifestă cel mai mult în cazul judecăților subiective, unde răspunsul corect depinde de scara dumneavoastră, nu de un adevăr universal. În zero-shot – adică fără niciun exemplu – cererea de mai jos lasă modelul să ezite între neutru și negativ: nimic nu îi indică dacă o întârziere în livrare contează ca un incident sau un detaliu minor în viziunea dumneavoastră.
Classify this customer comment as positive, neutral, or negative:
"The delivery took 3 days longer than expected but the product is fine."
Aceleași cuvinte, precedate de patru exemple calibrate, produc o clasificare aliniată criteriilor dumneavoastră. Al patrulea exemplu este cel mai util dintre toate: arată precis că o livrare lentă nu anulează o recenzie satisfăcătoare.
Classify each customer comment as positive, neutral, or negative.
Examples:
- "Excellent product, fast delivery, highly recommend!" -> Positive
- "The product works but nothing exceptional." -> Neutral
- "Disappointed, the quality doesn't match the photos." -> Negative
- "Good value for money, delivery a bit slow." -> Neutral
Now classify:
- "The delivery took 3 days longer than expected but the product is fine."
Când tehnica face diferența
Prompting-ul few-shot este esențial ori de câte ori o instrucțiune este mai ușor de arătat decât de formulat. Acest lucru se aplică atunci când doriți ca ChatGPT să scrie în vocea dumneavoastră, când formatul dumneavoastră nu corespunde niciunui standard existent sau când clasificarea se bazează pe criterii pe care v-ar fi greu să le definiți într-o singură regulă. De asemenea, excelează la conversia datelor dintr-un format în altul și la producția în loturi, unde douăzeci de elemente de conținut trebuie să se asemene între ele fără a se repeta.
Replicarea unui stil de scriere
Cele mai bune lucrări anterioare ale dumneavoastră constituie cea mai bună specificație posibilă. Cele două descrieri de mai jos transmit mult mai mult decât tonul: ritmul propozițiilor scurte, începutul cu un beneficiu, inserarea unui număr la mijloc și încheierea cu un caz de utilizare concret. Niciun adjectiv nu ar fi putut comunica toate acestea.
Here's how I write my product descriptions:
Example 1:
Product: Wireless headphones
Description: Say goodbye to tangled wires. These Bluetooth headphones
connect in 2 seconds, last 30 hours on a charge, and block out noise
as if you were alone in the world. Perfect for the office, the train, or the couch.
Example 2:
Product: Compact mechanical keyboard
Description: 65 keys, zero compromise. Tactile switches deliver
precise feedback without waking the neighbors. RGB backlighting
adjusts with a single gesture. Compact yet complete, it slips
into any bag.
Following the same pattern, write the description for:
Product: Vertical ergonomic mouse
Aceasta este exact manevra pe care trebuie să o încercați pentru conținutul pe care îl produceți în fiecare săptămână. Lipiți două dintre cele mai bune livrări anterioare ale dumneavoastră, adăugați notele brute și lăsați modelul să se ocupe de formatarea pe care o făceați anterior dumneavoastră.
Here are 2 examples of weekly summaries I send to my manager:
[Paste your week 1 summary]
[Paste your week 2 summary]
Following this exact format and style, write this week's summary
from these raw notes:
[Paste your week notes]
Transformarea datelor
Pentru a normaliza informațiile dezorganizate, arătați perechea intrare/ieșire. Modelul deduce două lucruri simultan: ce câmpuri să extragă și cum să traducă formulările colocviale în etichete structurate – „nu îi deranjează să facă puțin backend ocazional“ devine o linie „Versatilitate“, ceva pe care nicio instrucțiune generală nu ar fi putut să-l realizeze.
Transform these informal job descriptions into structured profiles.
Input: "Looking for a React frontend dev, 3-5 years exp, knows
TypeScript and doesn't mind doing some backend occasionally.
Remote OK, between 45 and 55K."
Output:
- Role: Frontend Developer
- Stack: React, TypeScript
- Experience: 3-5 years
- Versatility: Occasional backend
- Remote: Yes
- Range: 45-55K EUR
Input: "Need a senior PM to lead our SaaS product,
ideally someone who's worked in a scale-up before, we're in Paris
but hybrid 3 days/week, budget 65-75K."
Output:
- Role: Senior Product Manager
- Domain: SaaS
- Experience: Senior (scale-up environment)
- Location: Paris, hybrid 3 days/week
- Range: 65-75K EUR
Now transform:
"We need a data analyst who knows SQL and Python, someone
junior-mid who wants to build ML skills. Fully remote,
35-42K, start ASAP."
Generarea de conținut în loturi
Pentru formatele editoriale recurente, un șablon adnotat bate o descriere. Scheletul de mai jos stabilește ordinea blocurilor și lungimea fiecăruia; datele brute din cazul clientului completează pur și simplu spațiile. Obțineți o serie de postări omogene, gata de publicare fără dezbatere editorială de fiecare dată.
Here's the format for our LinkedIn posts presenting a client case:
Example:
[Relevant emoji] [Catchy key figure]
[Client name] had a problem: [one-line problem].
In [duration], we implemented [brief solution].
Result:
- [Metric 1]
- [Metric 2]
- [Metric 3]
[One-sentence lesson or takeaway]
---
Case to write: our client DataViz (BI dashboard publisher)
had a churn rate of 15%/month. In 4 months, we redesigned
their onboarding. Churn dropped to 6%, NPS rose from 23 to 52,
and time-to-value went from 14 days to 3 days.
Câte exemple să furnizați
Un singur exemplu – one-shot – este suficient pentru un format simplu. Două sau trei acoperă majoritatea sarcinilor comune; patru până la cinci devin utile atunci când tiparul este subtil. Dincolo de acest punct, verificați dacă fiecare exemplu aduce ceva nou: exemplele redundante lungesc promptul fără a-l îmbunătăți. Două calități contează mai mult decât cantitatea: consistența și diversitatea. Exemplele în formate eterogene împiedică modelul să știe pe care să îl imite; exemplele care sunt prea similare îl fac să învețe un caz specific și nu principiul, iar apoi va produce variante ale aceluiași text.
Începerea fără exemple
Centrul de ajutor și ghidul OpenAI privind modelele de raționament oferă același sfat: încercați mai întâi fără exemple, apoi adăugați-le dacă rezultatul nu este satisfăcător. Modelele actuale reușesc adesea să se descurce fără exemple atunci când instrucțiunea este clară, iar un exemplu ales prost poate direcționa răspunsul într-o direcție neintenționată. Același ghid avertizează asupra unei capcane specifice: exemplele dumneavoastră trebuie să corespundă exact instrucțiunilor dumneavoastră. Dacă instrucțiunea cere trei puncte cu marcatori, iar exemplul arată cinci, rezultatul va fi probabil slab.
Exemple contrastante
Pentru sarcinile de clasificare sau evaluare, includeți cazuri limită care definesc scara și justifică fiecare evaluare între paranteze. Modelul aplică apoi grila dumneavoastră, nu pe a sa – aici, decalajul dintre 3 și 5 provine din prezența dovezii numerice, pe care justificarea o face explicită.
Rate the quality of these sales hooks (score from 1 to 5).
1/5: "Hello, we sell software." (too vague, no hook)
3/5: "Your teams lose 5 hours a week on admin tasks." (good angle but no proof)
5/5: "Carrefour cut admin costs by 34% in 3 months. Here's how." (number, social proof, curiosity)
Now rate:
"What if you could automate 80% of your reporting?"
Rândul dumneavoastră
Treceți de la zero la few-shot. Luați o sarcină de clasificare sau de scriere pe care o repetați des. Rulați-o mai întâi fără un exemplu și notați ce nu funcționează. Apoi adăugați două exemple extrase din cele mai bune lucrări ale dumneavoastră, verificând dacă acestea respectă exact instrucțiunea, apoi adăugați un caz limită dacă clasificarea ezită. Comparați cele trei rezultate și păstrați versiunea cea mai scurtă care vă satisface.
Surse oficiale: Best practices for prompt engineering with the OpenAI API (Centrul de ajutor OpenAI) · Prompt engineering · Reasoning best practices (Documentația API OpenAI)
Puncte cheie
- Few-shot înseamnă arătarea a câteva exemple astfel încât ChatGPT să reproducă tiparul așteptat
- Încercați mai întâi fără exemple, apoi adăugați-le dacă rezultatul nu este satisfăcător
- Două până la trei exemple sunt suficiente pentru majoritatea sarcinilor; acestea trebuie să respecte exact instrucțiunea dumneavoastră
- Utilizați few-shot pentru stil, format, clasificare și producție în loturi
- Exemplele contrastante și justificate calibrează scara pentru sarcinile de evaluare