Few-shotプロンプティング

OpenAI API で学ぶ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）を提供する

Few-shotプロンプトの構造を示す図。例となる質問と回答、そしてモデルに回答させたい質問が含まれている。

Few-shotプロンプティング

モデルに例（質問と回答のペア）を提供する

Few-shotプロンプトをLLMに送信する様子を示す図。

Few-shotプロンプティング

モデルに例（質問と回答のペア）を提供する

Few-shotプロンプトをLLMに送信し、回答を受け取る様子を示す図。

Few-shotプロンプティング

モデルに例（質問と回答のペア）を提供する

Few-shotプロンプトをLLMに送信し、回答を受け取る様子を示す図。

例の数:
- ゼロ → zero-shotプロンプティング
- 1つ → one-shotプロンプティング
- 複数 → few-shotプロンプティング

Zero-shotプロンプティング

例なしでプロンプトを提供する
モデルは自身の知識に基づいて回答を生成
簡単なタスクに最適

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つの例を提供する
一貫したフォーマットやスタイルに有効

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

複数の例を提供する
文脈を要するタスクに有効

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

"""

Few-shotプロンプティング

複数の例を提供する
文脈を要するタスクに有効

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

チャットモデルでの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

考慮事項

タスクの複雑さに応じてショット数を選択
- ショット数が少ない → 基本的なタスク
- 多様なショット → 複雑なタスク

考え込む人物のイメージ。

さあ、練習しましょう！

OpenAI API で学ぶプロンプトエンジニアリング