Prompting few-shot

Prompt Engineering con l'API di OpenAI

Fouad Trad

Machine Learning Engineer

Prompting few-shot

Il modello riceve esempi (coppie domanda-risposta)

Una rappresentazione visiva di un prompt few-shot che mostra la struttura con domande e risposte di esempio, e infine la domanda da far rispondere al modello.

Prompting few-shot

Il modello riceve esempi (coppie domanda-risposta)

Un diagramma che mostra come inviare un prompt few-shot all'LLM.

Prompting few-shot

Il modello riceve esempi (coppie domanda-risposta)

Un diagramma che mostra come inviare un prompt few-shot all'LLM e ottenere una risposta.

Prompting few-shot

Il modello riceve esempi (coppie domanda-risposta)

Un diagramma che mostra come inviare un prompt few-shot all'LLM e ottenere una risposta.

Numero di esempi:
- Zero -> zero-shot prompting
- Uno -> one-shot prompting
- Più di uno -> few-shot prompting

Prompting zero-shot

Prompt senza esempi
Il modello risponde basandosi sulla propria conoscenza
Ideale per compiti rapidi e semplici

prompt = "What is prompt engineering?"
print(get_response(prompt))

Prompt engineering refers to designing and refining prompts or instructions given 
to a language model like ChatGPT to elicit desired responses or behaviors. It 
involves formulating specific guidelines or hints to guide the model's output 
towards a desired outcome.

Prompting one-shot

Fornisci al modello un singolo esempio
Utile per formati o stili coerenti

prompt =  """ 
Q: Sum the numbers 3, 5, and 6. A: 3+5+6=14
Q: Sum the numbers 2, 4, and 7. A: 
"""
print(get_response(prompt))

2+4+7=13

Prompting one-shot

prompt = """
Q: Sum the numbers 3, 5, and 6. A: The sum of 3, 5, and 6 is 14
Q: Sum the numbers 2, 4, and 7. A: 
"""
print(get_response(prompt))

The sum of 2, 4, and 7 is 13

Prompting few-shot

Fornisci più di un esempio
Potente per compiti con contesto

prompt = """
Text: Today the weather is fantastic -> Classification: positive
Text: The furniture is small -> Classification: neutral
Text: I don't like your attitude -> Classification: negative

"""

Prompting few-shot

Fornisci più di un esempio
Potente per compiti con contesto

prompt = """
Text: Today the weather is fantastic -> Classification: positive
Text: The furniture is small -> Classification: neutral
Text: I don't like your attitude -> Classification: negative
Text: That shot selection was awful -> Classification: 
"""
print(get_response(prompt))

negative

Few-shot con un modello chat

response = client.chat.completions.create(
  model = "gpt-4o-mini",

  messages = [{"role": "user",
             "content": "Today the weather is fantastic"},

             {"role": "assistant",
             "content": "positive"},

              {"role": "user",
             "content": "I don't like your attitude"},
              {"role": "assistant",
             "content": "negative"},

              {"role": "user",
             "content": "That shot selection was awful"}
             ],
  temperature = 0
)

print(response.choices[0].message.content)

negative

Considerazioni

Scegli il numero di shot in base alla complessità del compito
- Pochi shot -> compiti semplici
- Shot vari -> compiti complessi

Immagine di una persona che si interroga.

Ayo berlatih!

Prompt Engineering con l'API di OpenAI