Few-shot prompting

Prompt Engineering z OpenAI API

Fouad Trad

Machine Learning Engineer

Few-shot prompting

Model otrzymuje przykłady (pary pytanie–odpowiedź)

Wizualna reprezentacja promptu few-shot pokazująca jego strukturę z przykładowymi pytaniami i odpowiedziami oraz pytaniem, na które model ma odpowiedzieć.

Few-shot prompting

Model otrzymuje przykłady (pary pytanie–odpowiedź)

Diagram pokazujący, jak wysyłamy prompt few-shot do LLM.

Few-shot prompting

Model otrzymuje przykłady (pary pytanie–odpowiedź)

Diagram pokazujący, jak wysyłamy prompt few-shot do LLM i otrzymujemy odpowiedź.

Few-shot prompting

Model otrzymuje przykłady (pary pytanie–odpowiedź)

Diagram pokazujący, jak wysyłamy prompt few-shot do LLM i otrzymujemy odpowiedź.

Liczba przykładów:
- Zero -> zero-shot prompting
- Jeden -> one-shot prompting
- Więcej niż jeden -> few-shot prompting

Zero-shot prompting

Prompt bez przykładów
Model odpowiada na podstawie swojej wiedzy
Idealne do szybkich i prostych zadań

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

Podajesz modelowi jeden przykład
Przydatne do spójnego formatowania lub stylu

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

Podajesz więcej niż jeden przykład
Skuteczne przy zadaniach wymagających kontekstu

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

Podajesz więcej niż jeden przykład
Skuteczne przy zadaniach wymagających kontekstu

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 z modelem czatu

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

Wskazówki praktyczne

Dobierz liczbę przykładów do złożoności zadania
- Mniej przykładów -> proste zadania
- Zróżnicowane przykłady -> złożone zadania

Ilustracja przedstawiająca osobę zastanawiającą się nad wyborem.

Czas na praktykę!

Prompt Engineering z OpenAI API