फ्यू-शॉट प्रॉम्प्टिंग

OpenAI API के साथ Prompt Engineering

Fouad Trad

Machine Learning Engineer

फ्यू-शॉट प्रॉम्प्टिंग

मॉडल को उदाहरण दिए जाते हैं (प्रश्न-उत्तर जोड़े)

कुछ-शॉट प्रॉम्प्ट का दृश्य, जिसमें उदाहरण प्रश्न-उत्तर और अंत में हमारा लक्षित प्रश्न दिखता है.

फ्यू-शॉट प्रॉम्प्टिंग

मॉडल को उदाहरण दिए जाते हैं (प्रश्न-उत्तर जोड़े)

एक आरेख जो दिखाता है कि हम LLM को फ्यू-शॉट प्रॉम्प्ट कैसे भेजते हैं.

फ्यू-शॉट प्रॉम्प्टिंग

मॉडल को उदाहरण दिए जाते हैं (प्रश्न-उत्तर जोड़े)

एक आरेख जो दिखाता है कि हम LLM को फ्यू-शॉट प्रॉम्प्ट भेजते हैं और उत्तर पाते हैं.

फ्यू-शॉट प्रॉम्प्टिंग

मॉडल को उदाहरण दिए जाते हैं (प्रश्न-उत्तर जोड़े)

उदाहरणों की संख्या:
- Zero -> ज़ीरो-शॉट प्रॉम्प्टिंग
- One -> वन-शॉट प्रॉम्प्टिंग
- More than one -> फ्यू-शॉट प्रॉम्प्टिंग

ज़ीरो-शॉट प्रॉम्प्टिंग

बिना उदाहरणों के प्रॉम्प्ट देना
मॉडल अपने ज्ञान से उत्तर बनाता है
त्वरित व सरल कार्यों के लिए उपयुक्त

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.

वन-शॉट प्रॉम्प्टिंग

मॉडल को एक ही उदाहरण दें
समान फ़ॉर्मेट या स्टाइल बनाए रखने में उपयोगी

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

वन-शॉट प्रॉम्प्टिंग

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

फ्यू-शॉट प्रॉम्प्टिंग

एक से अधिक उदाहरण दें
संदर्भ-आधारित कार्यों के लिए प्रभावी

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

"""

फ्यू-शॉट प्रॉम्प्टिंग

एक से अधिक उदाहरण दें
संदर्भ-आधारित कार्यों के लिए प्रभावी

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

चैट मॉडल के साथ फ्यू-शॉट प्रॉम्प्टिंग

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

विचारणीय बातें

कार्य की जटिलता के अनुसार शॉट्स चुनें
- कम शॉट्स -> बुनियादी कार्य
- विविध शॉट्स -> जटिल कार्य

एक छवि जिसमें व्यक्ति खुद से प्रश्न करता दिख रहा है.

अभ्यास करते हैं!

OpenAI API के साथ Prompt Engineering