Few-shot プロンプティング

OpenAI API によるプロンプトエンジニアリング

Fouad Trad

Machine Learning Engineer

Few-shot プロンプティング

モデルに例（質問と回答のペア）を与える

A visual representation of a few-shot prompt showing its structure with example questions and answers, and finally the question we want the model to answer.

Few-shot プロンプティング

モデルに例（質問と回答のペア）を与える

A visual diagram showing how we send a few-shot prompt to the LLM.

Few-shot プロンプティング

モデルに例（質問と回答のペア）を与える

A visual diagram showing how we send a few-shot prompt to the LLM and get an answer in return.

Few-shot プロンプティング

モデルに例（質問と回答のペア）を与える

A visual diagram showing how we send a few-shot prompt to the LLM and get an answer in return.

例の数：
- 0 → zero-shotプロンプティング
- 1 → one-shotプロンプティング
- 2つ以上 → few-shotプロンプティング

Zeor-shot プロンプティング

例なしでプロンプトを与える
モデルは自身の知識に基づいて回答を生成する
手早くこなせる単純なタスクに最適

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 プロンプティング

モデルに1つの例を提示する
形式やスタイルを一貫させるのに役立つ

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 プロンプティング

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 プロンプティング

複数の例を提示する
コンテキストタスクに強力

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 プロンプティング

複数の例を提示する
コンテキストを要するタスクに非常に有効

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

チャットモデルを使ったfew-shotプロンプティング

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

留意点

タスクの複雑さに応じて例の数を選ぶ
- 例を少なくする → 基本的なタスク
- 多様な例 → 複雑なタスク

An image showing a person questioning themselves.

練習しましょう！

OpenAI API によるプロンプトエンジニアリング