Few-Shot Sampling: lesgeven door het goede voorbeeld te geven

Winst:

• Kan onderscheid maken tussen zero-shot- en weinig-shot-benaderingen en weet wanneer hij welke moet kiezen
• Kan regels toepassen voor het selecteren van representatieve monsters die de gewenste vorm, toon en kwaliteit weerspiegelen
• Kan op betrouwbare wijze het formaat en de toon van de uitvoer regelen met samples

Soms is het veel effectiever om iets te laten zien dan te beschrijven. In plaats van te zeggen: 'Schrijf in een beleefde maar duidelijke taal zoals deze', zal het tonen van een voorbeeld van precies wat u wilt uw bedoeling veel sneller aan het model overbrengen. Dat is precies waar het bij 'paar-shot-sampling' om draait: het model het gewenste patroon leren door het een paar voorbeelden te laten zien. In deze unit leren we deze krachtige techniek en de regels om deze effectief te gebruiken, met scenario's uit uw eigen bedrijf.

Wat zijn Zero-Shot en Few-Shot?

Er zijn twee basisbenaderingen:

• Zero-shot: de taak direct beschrijven zonder voorbeelden aan het model te geven. "Classificeer deze recensie als positief, negatief of neutraal." Het model implementeert de instructie met zijn eigen kennis.
• Few-shot: een paar voorbeelden van invoer-uitvoerparen voor het model tonen en de taak beschrijven. "Hier zijn 3 voorbeelden: commentaar → taggen. Tag nu commentaar 4." Het patroon bootst het patroon na dat u laat zien.

De "shot" verwijst hier naar het aantal samples dat u geeft: als u twee samples geeft, is het een "two-shot", als u vijf samples geeft, is het een "vijf-shot". De regel is simpel: hoe subjectiever, formalistischer of ongebruikelijker de taak, hoe waardevoller het is om aan te tonen.

Wanneer betaalt Few-Shot?

Demonstreren is superieur aan beschrijven, vooral in de volgende gevallen:

1. Als u een specifiek format wilt: Als u wilt dat uw productbeschrijvingen altijd dezelfde structuur hebben, is het tonen van twee voorbeelden duidelijker dan een beschrijving van tien zinnen.
2. Als je een specifieke toon wilt: het is moeilijk om de stem van je merk in woorden te beschrijven; Twee voorbeeldteksten brengen meteen de toon over.
3. Als u aan classificatie doet: met een voorbeeld laten zien welke invoer naar welk label gaat, is veiliger dan het schrijven van de regel.
4. Als het een ongebruikelijke taak is: Als je een speciale transformatie wilt die het patroon niet vaak ziet, leert het voorbeeld het patroon.

Regels voor het kiezen van een effectief voorbeeld

Het model imiteert de monsters; zodat de kwaliteit van uw samples direct de kwaliteit van de output wordt. Vijf regels:

1. Laat het representatief zijn. Laat de voorbeelden typische situaties van uw echte werk weerspiegelen; geen extreme en zeldzame gevallen.
2. Wees consistent. Laat alle voorbeelden dezelfde vorm, dezelfde toon, dezelfde lengte hebben. Tegenstrijdige voorbeelden verwarren het model.
3. Laat het kwaliteit zijn. Als uw monster defect is, zal de uitvoer ook defect zijn. "Een slecht voorbeeld is een slechte leraar."
4. Inclusief diversiteit. Geef van elk label in de classificatie minimaal één voorbeeld; Anders blijft het model vasthouden aan het label dat het ziet.
5. Laat het weinig maar genoeg zijn. Meestal zijn 2-5 monsters voldoende. Tientallen voorbeelden creëren onnodige lengte en kunnen een zeldzaam voorbeeld te veel gewicht geven.

Zero-Shot / Few-Shot-vergelijking

criterium

Nulschot

paar schoten

Installatie inspanning

laag

Medium (monster moet worden voorbereid)

Consistentie van het formaat

Variabel

hoog

toonregeling

moeilijk

gemakkelijk

ongebruikelijke taak

zwak

sterk

snelle lengte

kort

langer

Vier kopieerbare sjablonen

1) Classificatie (paar schoten):

Taak: Label de klantrecensie als Positief / Negatief / Neutraal. Voorbeelden:Commentaar: "De verzending was erg snel, ik vond het geweldig." -> PositiefCommentaar: "Het product was niet zoals in de beschrijving." -> NegativeComment: "De doos was een beetje geplet, maar het product werkt." -> NeutralTag nu:Commentaar: "[nieuwe reactie]" ->

2) Toonoverdracht (paar shots):

De volgende twee voorbeelden tonen de schrijfstijl van ons merk. Schrijf een beschrijving van twee zinnen voor een nieuw product met dezelfde toon. Voorbeeld 1: "[merktoonzin]"Voorbeeld 2: "[merktoonzin]"Nieuw product: [naam + kenmerk]

3) Weinig schot:

Converteer de onbewerkte notitie naar de structuur in het onderstaande voorbeeld. Voorbeeldinvoer: "Ali belde en vroeg om een prijs, hij wil 3 licenties" Voorbeelduitvoer: - Persoon: Ali - Aanvraag: 3 licenties - Actie: Stuur een offerte Nu converteren: Invoer: "[onbewerkte notitie]"

4) Hoofdproductie (paar shots):

Maak vijf koppen die qua toon vergelijkbaar zijn met de voorbeelden van goede koppen hieronder. Voorbeelden: - "3 gewoonten die de boekhouding terugbrengen tot 10 minuten" - "Verborgen belastingvoordeel voor het MKB" Onderwerp: [uw onderwerp]

Zwakke prompt/sterke prompt

Zwak:

Verdeel deze opmerkingen in positieve of negatieve opmerkingen.[opmerkingen]

Sterk:

Tag elke opmerking met één woord (positief / negatief / neutraal), zoals in de onderstaande voorbeelden. Een beschrijving schrijven.Ali: "Geweldig product." -> PositiveAyşe: "Hij kwam te laat." -> NegativeCan: "Het is oké." -> NeutraalOpmerkingen:[opmerkingen]

De tweede prompt repareert de tagset met het voorbeeld en reduceert de uitvoer tot een enkel woord met de beperking "schrijf geen beschrijving"; Het resultaat kan direct in een tabel worden verwerkt.

Drie mini-hoesjes

Casus 1 — Ondersteuningsteam, 200 reacties. Een e-commerce-ondersteuningsteam was handmatig 200 klantrecensies aan het taggen; Het duurde ongeveer 2 uur per persoon. Met een prompt van vier shots tagde het model binnen enkele seconden opmerkingen; Door handmatig alleen de met “Neutraal” gemarkeerde punten (ongeveer 30) te beoordelen, heeft het team het werk teruggebracht van 2 uur naar 15 minuten.

Geval 2 — Merkstem. Een contentteam klaagde dat nieuwe schrijvers niet de toon van het merk raakten. Een sjabloon gemaakt met drie goedgekeurde paragrafen als voorbeeld; Redactionele rondes met nieuwe inhoud werden teruggebracht van twee naar één omdat de toon meteen was gezet.

Geval 3 — Verkoop-CRM. Een verkoopteam schreef gespreksnotities in vrije tekst en het was omslachtig om deze in CRM (software voor klantrelatiebeheer) te verwerken. Een 'convert note to structure'-prompt met twee exemplaren converteerde verspreide notities naar het formaat 'Contact/Verzoek/Volgende stap'; de gegevensinvoer is gestandaardiseerd.

Tip: Kies uw voorbeelden uit uw echte en goede daden uit het verleden. De drie resultaten die u het leukst vindt, zijn feitelijk uw meest waardevolle voorbeelden; bewaar ze.

Let op: Als er een conflict is tussen uw samples (een korte en een hele lange, een formele en een intieme), zal het model niet weten welke te imiteren en zal het inconsistente resultaten opleveren. Voordat u voorbeelden publiceert, moet u ervoor zorgen dat ze onderling consistent zijn.

Veel voorkomende fouten

• Tegenstrijdige voorbeelden. Monsters van verschillende vormen en tonen mengen.
• Bevooroordeeld voorbeeld van één label. Alleen "positieve" voorbeelden geven bij de classificatie en het model daar tekenen.
• Voorbeeld van slechte kwaliteit. Een defect monster kopiëren en hetzelfde defect produceren.
• Extreem voorbeeld. 30 voorbeelden onnodig plaatsen en de prompt opgeblazen maken.
• Verwarrende taak met voorbeeld. Zonder onderscheid te maken tussen wat een voorbeeld is en wat het daadwerkelijke verzoek is.

Samengevat

• Zero-shot beschrijft de taak zonder voorbeelden te geven, terwijl Few-shot de taak beschrijft door een paar voorbeelden van invoer-uitvoerparen te tonen.
• Het model imiteert de monsters; De kwaliteit van de monsters is rechtstreeks de kwaliteit van de output.
• Een goede steekproefvertegenwoordiging moet consistent, van hoge kwaliteit, divers en weinig maar voldoende zijn.
• Few-shot blinkt uit in beschrijving, vooral in vorm, toon, classificatie en onbekende taken.
• Je beste werk uit het verleden is je meest waardevolle paar-shot voorbeelden; bewaar ze in de bibliotheek.

Applicatie taak

Kies een sorteer- of opmaaktaak die u regelmatig uitvoert (zoals het taggen van opmerkingen, het bewerken van notities, het genereren van kopjes, enz.). Kies drie goede voorbeelden uit uw eerdere werk, stel een consistente paar-shot-prompt in en test deze op vijf nieuwe inputs. Meet hoeveel van de uitvoer u zonder correctie kunt gebruiken en probeer het resultaat te verbeteren door de voorbeelden te wijzigen.

controlelijst

• [ ] Ik kan het verschil tussen zero-shot en weinig-shot uitleggen.
• [ ] Ik weet wanneer laten zien beter is dan beschrijven.
• [ ] Ik kan representatieve, consistente en kwalitatief goede voorbeelden kiezen.
• [ ] Ik geef voorbeelden van elk label in de classificatie.
• [ ] Ik bewaar mijn beste resultaten als voorbeeld voor de toekomst.