Few-shot prompting

Prompt Engineering med OpenAI API

Fouad Trad

Machine Learning Engineer

Few-shot prompting

Modellen får exempel (fråge-svarspar)

En visuell representation av ett few-shot-prompt som visar dess struktur med exempelfrågor och svar, samt den fråga vi vill att modellen ska besvara.

Few-shot prompting

Modellen får exempel (fråge-svarspar)

Ett visuellt diagram som visar hur vi skickar ett few-shot-prompt till LLM:en.

Few-shot prompting

Modellen får exempel (fråge-svarspar)

Ett visuellt diagram som visar hur vi skickar ett few-shot-prompt till LLM:en och får ett svar tillbaka.

Few-shot prompting

Modellen får exempel (fråge-svarspar)

Ett visuellt diagram som visar hur vi skickar ett few-shot-prompt till LLM:en och får ett svar tillbaka.

Antal exempel:
- Noll -> zero-shot prompting
- Ett -> one-shot prompting
- Fler än ett -> few-shot prompting

Zero-shot prompting

Prompt utan exempel
Modellen svarar utifrån sin egen kunskap
Passar enkla och snabba uppgifter

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

Ge modellen ett enda exempel
Användbart för konsekvent format eller stil

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

Ge mer än ett exempel
Kraftfullt för kontextuella uppgifter

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

Ge mer än ett exempel
Kraftfullt för kontextuella uppgifter

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 med en chattmodell

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

Överväganden

Välj antal exempel efter uppgiftens komplexitet
- Färre exempel -> enkla uppgifter
- Varierade exempel -> komplexa uppgifter

En bild som visar en person som funderar.

Nu kör vi en övning!

Prompt Engineering med OpenAI API