Підказування з кількома прикладами

Інженерія підказок з OpenAI API

Fouad Trad

Machine Learning Engineer

Підказування з кількома прикладами

Модель отримує приклади (пари запитання–відповідь)

Візуальна схема підказки з кількома прикладами: структура з прикладами запитань і відповідей та фінальним запитанням для моделі.

Підказування з кількома прикладами

Модель отримує приклади (пари запитання–відповідь)

Візуальна діаграма, що показує, як ми надсилаємо підказку з кількома прикладами до LLM.

Підказування з кількома прикладами

Модель отримує приклади (пари запитання–відповідь)

Візуальна діаграма, що показує, як ми надсилаємо підказку з кількома прикладами до LLM і отримуємо відповідь.

Підказування з кількома прикладами

Модель отримує приклади (пари запитання–відповідь)

Візуальна діаграма, що показує, як ми надсилаємо підказку з кількома прикладами до LLM і отримуємо відповідь.

Кількість прикладів:
- Нуль → zero-shot prompting
- Один → one-shot prompting
- Більше одного → few-shot prompting

Zero-shot prompting

Підказка без прикладів
Модель генерує відповіді на основі наявних знань
Ідеально для швидких і простих завдань

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

Дайте моделі один приклад
Корисно для узгодженого формату чи стилю

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

Підказування з кількома прикладами

Наведіть більше ніж один приклад
Потужний підхід для контекстних завдань

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

"""

Підказування з кількома прикладами

Наведіть більше ніж один приклад
Потужний підхід для контекстних завдань

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

Підказування з кількома прикладами в чат-моделі

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

На що зважати

Обирайте кількість прикладів за складністю завдання
- Менше прикладів → базові завдання
- Різноманітні приклади → складні завдання

Зображення людини, яка ставить собі запитання.

Давайте потренуємось!

Інженерія підказок з OpenAI API