AI大模子-提示工程学习条记6-少样本提示

卷首语：我所知的是我自己非常无知，以是我要不绝学习。
写给AI入行比力晚的小白们（好比我自己）看的，大神可以直接途经无视了。
少样本提示

少样本提示（Few-shot Prompting）是一种在与 AI 模子交互时使用的技能，指的是在提示中提供少量示例，以资助模子更好地明确任务的上下文和渴望的输特别式。这种方法通常用于须要模子天生特定范例相应的场景，尤其是在模子的训练数据中大概没有覆盖到的情况下。
少样本提示例子

在使用GPT等大模子时间，我们可以使用的少样本提示，以下是几个例子：
示例 1：文天职类

1. 提示：
3. 请根据以下示例将句子分类为“积极”、“消极”或“中立”：
4. 1. “这部电影真是太棒了！” - 积极
5. 2. “我对这次旅行感到失望。” - 消极
6. 3. “天气不错。” - 中立
8. 现在，请分类以下句子：“这款手机的性能非常好。”
10. 输出：积极

复制代码

示例 2：问答

1. 提示：
3. 以下是一些问题及其答案：
4. 1. 问：什么是黑洞？ 答：黑洞是宇宙中一种引力极强的天体，连光都无法逃脱。
5. 2. 问：什么是人工智能？ 答：人工智能是计算机科学的一个分支，旨在创建能够执行通常需要人类智能的任务的系统。
7. 请回答以下问题：“什么是机器学习？”
9. 输出：机器学习是人工智能的一个子领域，涉及通过数据训练算法，使计算机能够自动改进其性能。

复制代码

示例 3：文本天生

1. 提示：
3. 请根据以下示例生成一段关于春天的描述：
4. 1. 示例：夏天的阳光照耀着大地，万物复苏，花儿竞相开放。
5. 2. 示例：秋天的落叶在微风中飘舞，给大地披上了一层金色的外衣。
7. 现在，请描述春天。
9. 输出：春天的温暖阳光洒在大地上，花朵绽放，树木抽出新芽，万物复苏，生机勃勃。

复制代码

和“零样本提示”区别

• 零样本提示（Zero-shot Prompting）：
  
  
  
  • 界说：在没有提供任何示例的情况下，直接哀求模子实行某项任务。
    
  • 特点：依靠于模子的预训练知识和明确本领。
    
  • 示例：问模子“什么是量子盘算？”而不提供任何配景信息。
    
  
  
• 少样本提示（Few-shot Prompting）：
  
  
  
  • 界说：在提示中提供少量示例，以资助模子明确任务。
    
  • 特点：通过示例引导模子天生更符合预期的输出。
    
  • 示例：提供几个题目和答案的示例，然后扣问模子一个新题目。
    
  
  
• 小样本提示（Small-shot Prompting）：
  
  
  
  • 界说：通常与少样本提示相似，夸大提供的示例数目较少。
    
  • 特点：在某些文献中大概与少样本提示交换使用，但通常小样本提示更夸大示例的数目较少。
    
  • 示例：与少样本提示类似，通常没有严酷的区分。
    
  
  

“零提示”请参考：AI大模子-提示工程学习条记5-零提示-CSDN博客
为什么要有“少样本提示”

• 上下文明确：少样本提示通过提供示例，可以资助模子更好地明确特定任务的上下文和渴望的输特别式，尤其是在任务复杂或不明确时。
  
• 进步准确性：在某些情况下，模子大概无法准确明确用户的意图，少样本提示可以通过示例引导模子天生更符合预期的效果。
  
• 顺应性：少样本提示可以资助模子顺应特定范畴或主题的任务，而零样本提示大概无法提供充足的上下文。
  

大概说人话地讲：零提示更实用于泛泛地大概无目标地向专家提问，而“少样本提示”则是类似于给出上下文语境大概给出某个文化配景后提出的题目得到语境/文化中的效果。
有什么限定

• 示例数目：固然少样本提示可以提供一些示例，但过多的示例大概会导致模子肴杂，影响天生的质量。
  
• 示例质量：提供的示例必须清晰且具有代表性，否则大概导致模子天生不准确或不相干的输出。
  
• 任务复杂性：对于非常复杂或高度专业化的任务，少样本提示大概仍然不敷以引导模子天生准确的效果。
  
• 模子本领：差别的模子在处理处罚少样本提示时的本领大概差别，某些模子大概在少样本学习方面体现更好。
  

综述

少样本提示是一种有效的提示工程技能，通过提供少量示例来资助 AI 模子更好地明确任务和天生渴望的输出。与零样本提示相比，少样本提示可以大概进步模子的准确性和顺应性，尤其在任务复杂或不明确的情况下。然而，使用时须要留意示例的数目和质量，以确保模子可以大概天生高质量的相应。