Sampling av få skudd: Undervisning ved eksempel

Gevinster:

• Kan skille mellom nullskudd og få-skudds innflyging og vet når du skal velge hvilken
• Kan anvende regler for valg av representative prøver som gjenspeiler ønsket form, tone og kvalitet
• Kan pålitelig kontrollere formatet og tonen for utdata med prøver

Noen ganger er det mye mer effektivt å vise noe fremfor å beskrive det. I stedet for å si "Skriv på et høflig, men tydelig språk som dette," viser et eksempel på nøyaktig hva du vil ha, formidle intensjonen din til modellen mye raskere. Det er nettopp det «få-skuddsprøvetaking» handler om: lære modellen det mønsteret du vil ha ved å vise den noen få eksempler. I denne enheten vil vi lære denne kraftige teknikken og reglene for å bruke den effektivt, med scenarier fra din egen virksomhet.

Hva er Zero-Shot og Few-Shot?

Det er to grunnleggende tilnærminger:

• Zero-shot: Beskriver oppgaven direkte uten å gi noen eksempler til modellen. "Klassifiser denne anmeldelsen som positiv, negativ eller nøytral." Modellen implementerer instruksjonen med sin egen kunnskap.
• Few-shot: Viser noen få eksempler på input-output-par til modellen i tillegg til å beskrive oppgaven. "Her er 3 eksempler: kommentar → tag. Tagg nå kommentar 4." Mønsteret etterligner mønsteret du viser.

"Skutten" her refererer til antall prøver du gir: hvis du gir to prøver, er det et "to-skudd", hvis du gir fem prøver, er det et "fem-skudd". Regelen er enkel: jo mer subjektiv, formalistisk eller uvanlig oppgaven er, jo mer verdifull er den å demonstrere.

Når betaler Few-Shot?

Å demonstrere er bedre enn å beskrive, spesielt i følgende tilfeller:

1. Hvis du vil ha et spesifikt format: Hvis du vil at produktbeskrivelsene dine alltid skal ha samme struktur, er det tydeligere å vise to eksempler enn en beskrivelse på ti setninger.
2. Hvis du vil ha en spesifikk tone: Det er vanskelig å beskrive merkevarens stemme med ord; To eksempeltekster formidler umiddelbart tonen.
3. Hvis du holder på med klassifisering: Å vise med et eksempel hvilken inngang som går til hvilken etikett som er tryggere enn å skrive regelen.
4. Hvis det er en uvanlig oppgave: Hvis du vil ha en spesiell transformasjon som mønsteret ikke ser ofte, lærer eksemplet mønsteret.

Regler for å velge et effektivt eksempel

Modellen imiterer prøvene; så kvaliteten på prøvene dine blir direkte kvaliteten på resultatet. Fem regler:

1. La det være representativt. La eksemplene gjenspeile typiske situasjoner for ditt virkelige arbeid; ikke ekstreme og sjeldne tilfeller.
2. Vær konsekvent. La alle eksemplene følge samme form, samme tone, samme lengde. Motstridende eksempler forvirrer modellen.
3. La det være kvalitet. Hvis prøven din er defekt, vil utgangen også være defekt. "Et dårlig eksempel er en dårlig lærer."
4. Inkluder mangfold. Gi minst ett eksempel av hver etikett i klassifiseringen; Ellers vil modellen holde seg til etiketten den ser.
5. La det være lite men nok. Vanligvis vil 2-5 prøver gjøre susen. Dusinvis av eksempler skaper unødvendig lengde og kan gi unødig vekt til et sjeldent eksempel.

Zero-Shot / Few-Shot sammenligning

kriterium

Nullskudd

få skudd

Installasjonsarbeid

lav

Medium (må forberede prøve)

Formatkonsistens

Variabel

høy

tonekontroll

hardt

enkelt

uvanlig oppgave

svak

sterk

umiddelbar lengde

kort

lengre

Fire kopierbare maler

1) Klassifisering (få skudd):

Oppgave: Merk kundeanmeldelsen som positiv / negativ / nøytral. Eksempler: Kommentar: "Forsendelsen var veldig rask, jeg elsket den." -> Positivkommentar: "Produktet var ikke som i beskrivelsen." -> Negativ kommentar: "Esken var litt knust, men produktet fungerer." -> NeutralTag nå:Kommentar: "[ny kommentar]" ->

2) Toneoverføring (få skudd):

De følgende to eksemplene viser merkevarens skrivetone. Skriv en 2-setningsbeskrivelse for et nytt produkt med samme tone. Eksempel 1: "[merketonesetning]"Eksempel 2: "[merketonesetning]"Nytt produkt: [navn + funksjon]

3) Få skudd:

Konverter råseddelen til strukturen i eksemplet nedenfor.Eksempelinngang: "Ali ringte og spurte om pris, han vil ha 3 lisenser"Eksempelutgang:- Person: Ali- Forespørsel: 3 lisenser- Handling: Send et tilbud Konverter nå:Inndata: "[rånotat]"

4) Hodeproduksjon (få skudd):

Lag 5 overskrifter som er like i tone som eksemplene på gode overskrifter nedenfor. Eksempler:- "3 vaner som reduserer regnskapet til 10 minutter"- "Skjult skattefordel for SMB-er" Emne: [ditt emne]

Svak forespørsel / sterk forespørsel

Svak:

Del disse kommentarene i positive eller negative kommentarer.[kommentarer]

Sterk:

Merk hver kommentar med ett enkelt ord (positiv / negativ / nøytral) som i eksemplene nedenfor. Skriver en beskrivelse.Ali: "Flott produkt." -> PositiveAyşe: "Han kom sent." -> NegativeCan: "Det er greit." -> NøytralKommentarer:[kommentarer]

Den andre ledeteksten både fikser kodesettet med eksemplet og reduserer utdataene til et enkelt ord med "ikke skriv beskrivelse"-begrensningen; Resultatet kan bearbeides direkte til en tabell.

Tre minivesker

Case 1 - Support team, 200 kommentarer. Et støtteteam for e-handel merket 200 kundeanmeldelser manuelt; Det tok ca 2 timer per person. Med en 4-skudds få-shot-prompt, merket modellen kommentarer på sekunder; Ved å manuelt gjennomgå kun de som er merket med «Nøytral» (ca. 30), reduserte teamet arbeidet fra 2 timer til 15 minutter.

Case 2 - Merkevarestemme. Et innholdsteam klaget over at nye forfattere ikke traff merketonen. Laget en mal ved å bruke 3 godkjente avsnitt som et eksempel på få skudd; Redaksjonelle runder med nytt innhold ble redusert fra to til én fordi tonen ble etablert første gang.

Tilfelle 3 – Salgs-CRM. Et salgsteam skrev ringenotater i fritekst, og det var tungvint å bearbeide det til CRM (programvare for håndtering av kunderelasjoner). En to-instans "konverter notat til struktur"-prompt konverterte spredte notater til "Kontakt/forespørsel/Neste trinn"-formatet; dataregistrering er standardisert.

Tips: Velg eksempler fra tidligere virkelige og gode gjerninger. De tre utgangene du liker best er faktisk de mest verdifulle eksemplene med få skudd; beholde dem.

Oppmerksomhet: Hvis det er en konflikt mellom prøvene dine (en kort og en veldig lang, en formell og en intim), vil ikke modellen vite hvilken den skal etterligne og vil gi inkonsekvente utdata. Før du publiserer eksempler, sørg for at de er konsistente seg imellom.

Vanlige feil

• Motstridende eksempler. Blande prøver av forskjellige former og toner.
• Forutinntatt eksempel på enkeltetikett. Gir kun "positive" eksempler i klassifisering og tegner modellen der.
• Eksempel på dårlig kvalitet. Kopiere en defekt prøve og produsere samme defekt.
• Ekstremt eksempel. Setter 30 eksempler unødvendig og gjør forespørselen oppblåst.
• Forvirrende oppgave med eksempel. Uten å skille hva som er et eksempel og hva som er den faktiske forespørselen.

Oppsummert

• Zero-shot beskriver oppgaven uten å gi eksempler, mens few-shot beskriver oppgaven ved å vise noen få eksempler på input-output-par.
• Modellen imiterer prøvene; Kvaliteten på prøvene er direkte kvaliteten på resultatet.
• God utvalgsrepresentasjon bør være konsistent, høy kvalitet, mangfoldig og lite-men-nok.
• Few-shot utmerker seg ved beskrivelse, spesielt i form, tone, klassifisering og ukjente oppgaver.
• Ditt beste tidligere arbeid er dine mest verdifulle eksempler på få skudd; lagre dem i biblioteket.

Søknadsoppgave

Velg en sorterings- eller formateringsoppgave som du gjør regelmessig (som kommentarmerking, notatredigering, generering av overskrifter osv.). Velg 3 gode eksempler fra ditt tidligere arbeid, sett opp en konsistent forespørsel om få skudd, og test den på 5 nye innganger. Mål hvor mye av utdataene du kan bruke uten korrigering, og prøv å forbedre resultatet ved å endre prøvene.

sjekkliste

• [ ] Jeg kan forklare forskjellen mellom nullskudd og fåskudd.
• [ ] Jeg vet når visning er bedre enn å beskrive.
• [ ] Jeg kan velge representative, konsistente og høykvalitets eksempler.
• [ ] Jeg gir eksempler på hver etikett i klassifiseringen.
• [ ] Jeg beholder mine beste resultater som eksempler for fremtiden.