Satuan
1. Pengantar Kecerdasan Buatan dan Prompt: Bagaimana Model 'Berpikir' 2. Anatomi Prompt yang Baik: Peran, Konteks, Tugas, Format, Contoh, Batasan 3. Kejelasan Instruksi: Menerjemahkan Ketidakpastian menjadi Instruksi yang Terukur 4. Manajemen Konteks: Memberikan Model Latar Belakang yang Tepat 5. Pengambilan Sampel Sedikit: Mengajar dengan Contoh 6. Rantai Pemikiran 7. Pemaksaan Format: Tabel, JSON, Daftar, Templat 8. Iterasi dan Peningkatan Cepat 9. Rekayasa Peran dan Persona 10. Kesalahan Umum dan Solusinya 11. Otentikasi, Batasan, Privasi dan Etika 12. Membangun Perpustakaan Cepat dan Alur Kerja End-to-End
Satuan 5 / 12

Pengambilan Sampel Sedikit: Mengajar dengan Contoh

Keuntungan:

  • Dapat membedakan antara pendekatan zero-shot dan multiple-shot dan mengetahui kapan harus memilih yang mana
  • Dapat menerapkan aturan untuk memilih sampel representatif yang mencerminkan bentuk, warna, dan kualitas yang diinginkan
  • Dapat mengontrol format dan nada keluaran dengan sampel dengan andal

Terkadang lebih efektif menunjukkan sesuatu daripada mendeskripsikannya. Daripada mengatakan "Tulislah dengan bahasa yang sopan namun jelas seperti ini", menunjukkan contoh apa yang Anda inginkan akan menyampaikan maksud Anda kepada model lebih cepat. Itulah tepatnya yang dimaksud dengan "pengambilan sampel beberapa kali": mengajarkan model pola yang Anda inginkan dengan menunjukkan beberapa contoh. Dalam unit ini, kita akan mempelajari teknik ampuh ini dan aturan penggunaannya secara efektif, dengan skenario dari bisnis Anda sendiri.

Apa itu Zero-Shot dan Few-Shot?

Ada dua pendekatan dasar:

  • Zero-shot: Mendeskripsikan tugas secara langsung tanpa memberikan contoh apa pun kepada modelnya. "Klasifikasikan ulasan ini sebagai positif, negatif, atau netral." Model mengimplementasikan instruksi dengan pengetahuannya sendiri.
  • Few-shot: Menampilkan beberapa contoh pasangan input-output ke model serta menjelaskan tugasnya. "Ini 3 contohnya: komentar → tag. Sekarang tag komentar 4." Polanya meniru pola yang Anda tunjukkan.

"Tembakan" di sini mengacu pada jumlah sampel yang Anda berikan: jika Anda memberikan dua sampel, itu adalah "dua tembakan", jika Anda memberikan lima sampel, itu adalah "lima tembakan". Aturannya sederhana: semakin subjektif, formalistik, atau tidak biasa suatu tugas, semakin bernilai untuk didemonstrasikan.

Kapan Few-Shot Membayar?

Mendemonstrasikan lebih baik daripada mendeskripsikan, terutama dalam kasus berikut:

  1. Jika Anda menginginkan format tertentu: Jika Anda ingin deskripsi produk Anda selalu memiliki struktur yang sama, menampilkan dua contoh lebih jelas daripada deskripsi sepuluh kalimat.
  2. Jika Anda menginginkan nada tertentu: Sulit untuk menggambarkan suara merek Anda dengan kata-kata; Dua contoh teks langsung menyampaikan nadanya.
  3. Jika Anda melakukan klasifikasi: Tunjukkan dengan contoh input mana yang masuk ke label mana yang lebih aman daripada menulis aturan.
  4. Jika ini merupakan tugas yang tidak biasa: Jika Anda menginginkan transformasi khusus yang polanya tidak sering terlihat, contoh akan mengajarkan pola tersebut.

Aturan untuk Memilih Contoh yang Efektif

Model meniru sampel; jadi kualitas sampel Anda secara langsung menjadi kualitas keluarannya. Lima aturan:

  1. Biar representatif. Biarkan contoh-contoh tersebut mencerminkan situasi khas pekerjaan Anda yang sebenarnya; bukan kasus ekstrim dan jarang terjadi.
  2. Bersikaplah konsisten. Biarkan semua contoh mengikuti bentuk yang sama, nada yang sama, panjang yang sama. Contoh-contoh yang kontradiktif membingungkan model.
  3. Biarlah berkualitas. Jika sampel Anda rusak, outputnya juga akan rusak. “Contoh yang buruk adalah guru yang buruk.”
  4. Sertakan keberagaman. Berikan setidaknya satu contoh dari setiap label dalam klasifikasi; Jika tidak, model akan menempel pada label yang dilihatnya.
  5. Biarlah sedikit tapi cukup. Biasanya 2-5 sampel sudah cukup. Lusinan contoh menciptakan panjang yang tidak perlu dan dapat memberikan bobot yang tidak semestinya pada contoh yang langka.

Perbandingan Zero-Shot / Sedikit-Shot

kriteria

Tembakan nol

beberapa tembakan

Upaya instalasi

rendah

Sedang (perlu menyiapkan sampel)

Konsistensi format

Variabel

tinggi

kontrol nada

keras

mudah

tugas yang tidak biasa

lemah

kuat

panjang cepat

pendek

lebih lama

Empat Templat yang Dapat Disalin

1) Klasifikasi (beberapa tembakan):

Tugas: Beri label ulasan pelanggan sebagai Positif / Negatif / Netral. Contoh:Komentar: "Pengirimannya sangat cepat, saya menyukainya." -> Komentar Positif: "Produk tidak seperti di deskripsi." -> Komentar Negatif: "Kotaknya sedikit hancur, tetapi produk berfungsi." -> NetralTag sekarang: Komentar: "[komentar baru]" ->

2) Transfer nada (beberapa tembakan):

Dua contoh berikut menunjukkan nada penulisan merek kami. Tulis deskripsi 2 kalimat untuk produk baru dengan nada yang sama. Contoh 1: "[kalimat nada merek]" Contoh 2: "[kalimat nada merek]" Produk baru: [nama + fitur]

3) Sedikit tembakan:

Konversikan catatan mentah ke struktur pada contoh di bawah. Contoh masukan: "Ali menelepon dan menanyakan harga, dia ingin 3 lisensi" Contoh keluaran: - Orang: Ali - Permintaan: 3 lisensi - Tindakan: Kirim penawaran Konversi sekarang: Masukan: "[catatan mentah]"

4) Produksi kepala (beberapa tembakan):

Buatlah 5 judul yang mirip dengan contoh judul bagus di bawah ini. Contoh:- "3 kebiasaan yang mengurangi akuntansi hingga 10 menit"- "Keuntungan pajak tersembunyi bagi UKM" Topik: [topik Anda]

Prompt Lemah / Prompt Kuat

Lemah:

Pisahkan komentar tersebut menjadi komentar positif atau negatif.[comments]

Kuat:

Tandai setiap komentar dengan satu kata (Positif / Negatif / Netral) seperti pada contoh di bawah ini. Menulis deskripsi.Ali: "Produk hebat." -> PositiveAyşe: "Dia datang terlambat." -> NegativeCan: "Tidak apa-apa." -> Komentar Netral:[komentar]

Perintah kedua memperbaiki kumpulan tag dengan contoh dan mengurangi keluaran menjadi satu kata dengan batasan "jangan tulis deskripsi"; Hasilnya bisa langsung diolah menjadi tabel.

Tiga Kasus Mini

Kasus 1 — Tim dukungan, 200 komentar. Tim dukungan e-niaga secara manual menandai 200 ulasan pelanggan; Butuh waktu sekitar 2 jam per orang. Dengan prompt 4-shot beberapa-shot, model menandai komentar dalam hitungan detik; Dengan meninjau secara manual hanya yang bertanda “Netral” (sekitar 30), tim mengurangi pekerjaan dari 2 jam menjadi 15 menit.

Kasus 2 — Suara merek. Sebuah tim konten mengeluh bahwa penulis baru tidak sesuai dengan gaya merek. Membuat templat menggunakan 3 paragraf yang disetujui sebagai contoh beberapa contoh; Putaran editorial konten baru dikurangi dari dua menjadi satu karena nadanya sudah ditetapkan pertama kali.

Kasus 3 — CRM Penjualan. Sebuah tim penjualan sedang menulis catatan panggilan dalam teks bebas dan sulit untuk memprosesnya menjadi CRM (perangkat lunak manajemen hubungan pelanggan). Prompt “konversi catatan ke struktur” dua contoh mengubah catatan yang tersebar menjadi format “Kontak/Permintaan/Langkah berikutnya”; entri data distandarisasi.

Tip: Pilihlah contoh dari perbuatan nyata dan baik Anda di masa lalu. Tiga keluaran yang paling Anda sukai sebenarnya adalah contoh beberapa contoh yang paling berharga; pertahankan mereka.
Perhatian: Jika ada konflik antara sampel Anda (yang pendek dan yang sangat panjang, yang formal dan yang intim), model tidak akan tahu mana yang harus ditiru dan akan memberikan keluaran yang tidak konsisten. Sebelum menerbitkan contoh, pastikan contoh tersebut konsisten satu sama lain.

Kesalahan umum

  • Contoh yang kontradiktif. Mencampur sampel dengan berbagai bentuk dan nada.
  • Contoh bias dari label tunggal. Hanya memberikan contoh "positif" dalam klasifikasi dan menggambar model di sana.
  • Contoh kualitas buruk. Menyalin sampel yang cacat dan menghasilkan cacat yang sama.
  • Contoh ekstrim. Menempatkan 30 contoh secara tidak perlu dan membuat promptnya membengkak.
  • Tugas yang membingungkan dengan contoh. Tidak membedakan mana contoh dan mana permintaan sebenarnya.

Singkatnya

  • Zero-shot mendeskripsikan tugas tanpa memberikan contoh, sedangkan some-shot mendeskripsikan tugas dengan menunjukkan beberapa contoh pasangan input-output.
  • Model meniru sampel; Kualitas sampel secara langsung merupakan kualitas output.
  • Representasi sampel yang baik harus konsisten, berkualitas tinggi, beragam, dan sedikit namun cukup.
  • Few-shot unggul dalam deskripsi, terutama dalam bentuk, nada, klasifikasi, dan tugas-tugas yang asing.
  • Karya terbaik Anda di masa lalu adalah beberapa contoh yang paling berharga; menyimpannya di perpustakaan.

Tugas aplikasi

Pilih tugas pengurutan atau pemformatan yang Anda lakukan secara rutin (seperti penandaan komentar, pengeditan catatan, pembuatan judul, dll.). Pilih 3 contoh bagus dari pekerjaan Anda sebelumnya, siapkan beberapa contoh yang konsisten, dan uji pada 5 masukan baru. Ukur berapa banyak keluaran yang dapat Anda gunakan tanpa koreksi, dan coba tingkatkan hasilnya dengan mengubah sampel.

daftar periksa

  • [ ] Saya bisa menjelaskan perbedaan antara zero-shot dan some-shot.
  • [ ] Saya tahu bahwa menunjukkan lebih baik daripada mendeskripsikan.
  • [ ] Saya dapat memilih contoh yang representatif, konsisten, dan berkualitas tinggi.
  • [ ] Saya memberikan contoh masing-masing label dalam klasifikasi.
  • [ ] Hasil-hasil terbaik saya jadikan contoh untuk masa depan.
Sebelumnya Selanjutnya