few-shot prompting
روشی برای راهنمایی LLM با قرار دادن چند نمونه از ورودی و پاسخ مطلوب در prompt است.
توضیح
در این روش، پیش از درخواست اصلی، بیش از یک نمونه در prompt قرار می‌گیرد تا مدل الگوی پاسخ‌دادن را از آن‌ها بگیرد. نمونه‌ها می‌توانند قالب خروجی یا شیوهٔ انجام کار را نشان دهند. این روش معمولاً نسبت به zero-shot prompting و one-shot prompting پاسخ‌های مطلوب‌تری می‌دهد، اما prompt را طولانی‌تر می‌کند و فضای بیشتری از context window می‌گیرد.
مثال
مثل این است که به همکارت به‌جای توضیح کلی، چند کار انجام‌شده نشان بدهی. در یک prompt هم می‌توانی بنویسی: احساس جمله را مشخص کن؛ فقط برچسب را بنویس. «خیلی خوشحالم» → مثبت «تجربهٔ بدی بود» → منفی «از نتیجه راضی‌ام» →
چرا مهمه
وقتی توضیح متنی به‌تنهایی برای مشخص‌کردن خروجی کافی نیست، چند نمونه کمک می‌کند انتظار تو روشن‌تر شود؛ مثلاً برای دسته‌بندی متن یا تولید پاسخ با قالب ثابت.
مفهوم‌های مرتبط
این کارت را هوش مصنوعی نوشته و دو بار با هوش مصنوعی بررسی شده است.
بر پایهٔ «few-shot prompting» از Google Machine Learning Glossary (Google)، با مجوز CC BY 4.0.
مطالبی با این مفهوم
هنوز مطلبی منتشر نشده.