Amostragem de poucas fotos: ensinando pelo exemplo

Ganhos:

• Consegue distinguir entre abordagens de tiro zero e de poucos tiros e sabe quando escolher qual
• Pode aplicar regras para selecionar amostras representativas que reflitam a forma, o tom e a qualidade desejados
• Pode controlar de forma confiável o formato e o tom da saída com amostras

Às vezes é muito mais eficaz mostrar algo do que descrevê-lo. Em vez de dizer “Escreva em uma linguagem educada, mas clara como esta”, mostrar um exemplo exatamente do que você deseja transmitirá sua intenção ao modelo com muito mais rapidez. É exatamente disso que se trata a "amostragem de poucas fotos": ensinar ao modelo o padrão que você deseja, mostrando-lhe alguns exemplos. Nesta unidade aprenderemos essa poderosa técnica e as regras para utilizá-la de forma eficaz, com cenários do seu próprio negócio.

O que são Zero-Shot e Few-Shot?

Existem duas abordagens básicas:

• Zero-shot: Descrever diretamente a tarefa sem fornecer exemplos ao modelo. "Classifique esta avaliação como positiva, negativa ou neutra." O modelo implementa a instrução com seu próprio conhecimento.
• Few-shot: Mostrando alguns exemplos de pares de entrada-saída para o modelo, bem como descrevendo a tarefa. "Aqui estão 3 exemplos: comentário → tag. Agora marque o comentário 4." O padrão imita o padrão que você mostra.

O "tiro" aqui se refere ao número de amostras que você dá: se você der duas amostras, é um "dois tiros", se você der cinco amostras, é um "cinco tiros". A regra é simples: quanto mais subjetiva, formalista ou incomum for a tarefa, mais valioso será demonstrá-la.

Quando o Few-Shot compensa?

Demonstrar é superior a descrever, principalmente nos seguintes casos:

1. Se você deseja um formato específico: Se deseja que as descrições de seus produtos tenham sempre a mesma estrutura, mostrar dois exemplos é mais claro do que uma descrição de dez frases.
2. Se você deseja um tom específico: é difícil descrever a voz da sua marca em palavras; Dois exemplos de textos transmitem instantaneamente o tom.
3. Se você estiver fazendo classificação: Mostrar com um exemplo qual entrada vai para qual rótulo é mais seguro do que escrever a regra.
4. Se for uma tarefa incomum: Se você deseja uma transformação especial que o padrão não vê com frequência, o exemplo ensina o padrão.

Regras para escolher um exemplo eficaz

O modelo imita as amostras; portanto, a qualidade de suas amostras se torna diretamente a qualidade do resultado. Cinco regras:

1. Que seja representativo. Deixe que os exemplos reflitam situações típicas do seu trabalho real; não casos extremos e raros.
2. Seja consistente. Deixemos que todos os exemplos sigam a mesma forma, o mesmo tom, a mesma duração. Exemplos contraditórios confundem o modelo.
3. Que seja de qualidade. Se sua amostra estiver com defeito, a saída também estará com defeito. "Um mau exemplo é um mau professor."
4. Incluir diversidade. Dê pelo menos um exemplo de cada rótulo da classificação; Caso contrário, o modelo irá aderir ao rótulo que vê.
5. Que seja pouco, mas o suficiente. Normalmente, 2 a 5 amostras resolverão o problema. Dezenas de exemplos criam extensão desnecessária e podem dar peso indevido a um exemplo raro.

Comparação de tiro zero / poucos tiros

critério

Tiro zero

algumas fotos

Esforço de instalação

baixo

Médio (necessidade de preparar amostra)

Consistência de formato

Variável

alto

controle de tom

difícil

fácil

tarefa incomum

fraco

forte

comprimento do prompt

curto

mais

Quatro modelos copiáveis

1) Classificação (poucas tacadas):

Tarefa: rotule a avaliação do cliente como Positiva/Negativa/Neutra. Exemplos:Comentário: “A entrega foi muito rápida, adorei.” -> Comentário Positivo: "O produto não estava como na descrição." -> Comentário Negativo: “A caixa estava um pouco amassada, mas o produto funciona.” -> NeutralTag agora:Comentário: "[novo comentário]" ->

2) Transferência de tom (poucas fotos):

Os dois exemplos a seguir mostram o tom de escrita da nossa marca. Escreva uma descrição de duas frases para um novo produto com o mesmo tom. Exemplo 1: "[frase do tom da marca]"Exemplo 2: "[frase do tom da marca]"Novo produto: [nome + recurso]

3) Poucas fotos:

Converta a nota bruta na estrutura do exemplo abaixo.Exemplo de entrada: "Ali ligou e pediu um preço, ele quer 3 licenças"Exemplo de saída:- Pessoa: Ali- Solicitação: 3 licenças- Ação: Envie um orçamento Converter agora:Entrada: "[nota bruta]"

4) Produção de cabeça (poucos tiros):

Crie 5 títulos com tom semelhante aos exemplos de bons títulos abaixo. Exemplos:- "3 hábitos que reduzem a contabilidade para 10 minutos"- "Vantagem fiscal oculta para PME" Tópico: [seu tópico]

Alerta Fraco/Prompt Forte

Fraco:

Separe esses comentários em comentários positivos ou negativos.[comentários]

Forte:

Marque cada comentário com uma única palavra (Positivo/Negativo/Neutro) como nos exemplos abaixo. Escrevendo uma descrição.Ali: "Ótimo produto." -> PositiveAyşe: "Ele chegou atrasado." -> NegativeCan: "Está tudo bem." -> NeutroComentários:[comentários]

O segundo prompt corrige a tag definida com o exemplo e reduz a saída a uma única palavra com a restrição "não escrever descrição"; O resultado pode ser processado diretamente em uma tabela.

Três Mini Estojos

Caso 1 — Equipe de suporte, 200 comentários. Uma equipe de suporte de comércio eletrônico marcava manualmente 200 avaliações de clientes; Demorou cerca de 2 horas por pessoa. Com um prompt de 4 fotos, o modelo marcou comentários em segundos; Ao revisar manualmente apenas aqueles marcados como “Neutros” (cerca de 30), a equipe reduziu o trabalho de 2 horas para 15 minutos.

Caso 2 — Voz da marca. Uma equipe de conteúdo reclamava que os novos redatores não estavam atingindo o tom da marca. Criei um modelo usando 3 parágrafos aprovados como exemplo de algumas cenas; As rodadas editoriais de novos conteúdos foram reduzidas de duas para uma porque o tom foi estabelecido na primeira vez.

Caso 3 – CRM de vendas. Uma equipe de vendas estava escrevendo notas de chamada em texto livre e era complicado processá-las no CRM (software de gerenciamento de relacionamento com o cliente). Um prompt “converter nota em estrutura” de duas instâncias converteu notas dispersas no formato “Contato/Solicitação/Próxima etapa”; a entrada de dados é padronizada.

Dica: Escolha seus exemplos de suas ações boas e reais do passado. Os três resultados que você mais gosta são, na verdade, seus exemplos de poucas cenas mais valiosos; guarde-os.

Atenção: Se houver um conflito entre suas amostras (uma curta e outra muito longa, uma formal e uma íntima), o modelo não saberá qual imitar e apresentará resultados inconsistentes. Antes de publicar exemplos, certifique-se de que sejam consistentes entre si.

Erros comuns

• Exemplos contraditórios. Misturando amostras de diferentes formas e tons.
• Exemplo tendencioso de rótulo único. Dando apenas exemplos "positivos" na classificação e desenhando o modelo ali.
• Exemplo de má qualidade. Copiar uma amostra defeituosa e produzir o mesmo defeito.
• Exemplo extremo. Colocar 30 exemplos desnecessariamente e deixar o prompt inchado.
• Tarefa confusa com exemplo. Não distinguindo qual é um exemplo e qual é a solicitação real.

Em resumo

• Zero-shot descreve a tarefa sem dar exemplos, enquanto Few-shot descreve a tarefa mostrando alguns exemplos de pares de entrada-saída.
• O modelo imita as amostras; A qualidade das amostras é diretamente a qualidade do resultado.
• Uma boa representação da amostra deve ser consistente, de alta qualidade, diversificada e pequena, mas suficiente.
• Few-shot é excelente na descrição, especialmente na forma, tom, classificação e tarefas desconhecidas.
• Seu melhor trabalho anterior são seus exemplos mais valiosos; salve-os na biblioteca.

Tarefa de aplicativo

Escolha uma tarefa de classificação ou formatação que você faz regularmente (como marcação de comentários, edição de notas, geração de títulos, etc.). Escolha 3 bons exemplos de seu trabalho anterior, configure um prompt consistente de poucas tentativas e teste-o em 5 novas entradas. Meça quanto da saída você pode usar sem correção e tente melhorar o resultado alterando as amostras.

lista de verificação

• [] Posso explicar a diferença entre tiro zero e poucos tiros.
• [ ] Eu sei que mostrar é melhor do que descrever.
• [ ] Posso escolher exemplos representativos, consistentes e de alta qualidade.
• [ ] Dou exemplos de cada rótulo na classificação.
• [ ] Mantenho meus melhores resultados como exemplos para o futuro.