Few-shot prompting

Prompt Engineering s OpenAI API

Fouad Trad

Machine Learning Engineer

Few-shot prompting

Modelu jsou poskytnuta příklady (páry otázka–odpověď)

Vizuální znázornění few-shot promptu zobrazující jeho strukturu s příklady otázek a odpovědí a závěrečnou otázkou pro model.

Few-shot prompting

Modelu jsou poskytnuta příklady (páry otázka–odpověď)

Schéma znázorňující odeslání few-shot promptu do LLM.

Few-shot prompting

Modelu jsou poskytnuta příklady (páry otázka–odpověď)

Schéma znázorňující odeslání few-shot promptu do LLM a přijetí odpovědi.

Few-shot prompting

Modelu jsou poskytnuta příklady (páry otázka–odpověď)

Schéma znázorňující odeslání few-shot promptu do LLM a přijetí odpovědi.

Počet příkladů:
- Nula -> zero-shot prompting
- Jeden -> one-shot prompting
- Více než jeden -> few-shot prompting

Zero-shot prompting

Prompt bez příkladů
Model generuje odpovědi na základě svých znalostí
Vhodné pro rychlé a jednoduché úlohy

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

Modelu poskytneme jeden příklad
Vhodné pro konzistentní formátování nebo styl

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

Poskytneme více než jeden příklad
Vhodné pro kontextové úlohy

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

Poskytneme více než jeden příklad
Vhodné pro kontextové úlohy

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 s modelem chatu

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

Doporučení

Počet příkladů zvolte podle složitosti úlohy
- Méně příkladů -> jednoduché úlohy
- Různorodé příklady -> složité úlohy

Obrázek osoby, která nad něčím přemýšlí.

Pojďme si procvičit!

Prompt Engineering s OpenAI API