Few-shot prompting

Prompt Engineering met de OpenAI API

Fouad Trad

Machine Learning Engineer

Few-shot prompting

Model krijgt voorbeelden (vraag-antwoordparen)

Een visuele weergave van een few-shot prompt met voorbeeldvragen en -antwoorden, en tot slot de vraag die we willen laten beantwoorden.

Few-shot prompting

Model krijgt voorbeelden (vraag-antwoordparen)

Een visueel diagram van hoe we een few-shot prompt naar de LLM sturen.

Few-shot prompting

Model krijgt voorbeelden (vraag-antwoordparen)

Een visueel diagram van hoe we een few-shot prompt naar de LLM sturen en een antwoord terugkrijgen.

Few-shot prompting

Model krijgt voorbeelden (vraag-antwoordparen)

Een visueel diagram van hoe we een few-shot prompt naar de LLM sturen en een antwoord terugkrijgen.

Aantal voorbeelden:
- Nul -> zero-shot prompting
- Eén -> one-shot prompting
- Meer dan één -> few-shot prompting

Zero-shot prompting

Prompt geven zonder voorbeelden
Model genereert antwoorden op basis van zijn kennis
Ideaal voor snelle, eenvoudige taken

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.

One-shot prompting

Geef het model één voorbeeld
Handig voor consistente opmaak of stijl

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

One-shot prompting

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

Few-shot prompting

Geef meer dan één voorbeeld
Krachtig voor contextuele taken

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

"""

Few-shot prompting

Geef meer dan één voorbeeld
Krachtig voor contextuele taken

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 prompting met een chatmodel

response = client.chat.completions.create(
  model = "gpt-3.5-turbo",

  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

Aandachtspunten

Kies het aantal shots op basis van de taakcomplexiteit
- Minder shots -> eenvoudige taken
- Diverse shots -> complexe taken

Een afbeelding van iemand die zichzelf bevraagt.

Laten we oefenen!

Prompt Engineering met de OpenAI API