Co to jest zero-shot prompting?
Spis treści
Spis treści
Rozmawiając z modelem językowym, możesz korzystać z różnych metod promptowania. Aby odpowiedź była zgodna z Twoimi oczekiwaniami, warto w konwersacji z LLM-em dać przykład działania – wprowadzić dane wejściowe i efekt. Jednak nie zawsze to potrzebne. Czasami wystarczy instrukcja bez dodatkowych wskazówek. Wtedy mowa o metodzie zero-shot prompting. Na czym polega i w jakich przypadkach się sprawdza?
Na czym polega zero-shot prompting?
Zero-shot prompting oznacza, że model LLM otrzymuje zadanie bez przykładów pokazujących oczekiwany sposób rozwiązania. Model korzysta wtedy z wiedzy zdobytej podczas wcześniejszego treningu. Duże modele językowe są trenowane na ogromnej ilości danych, dlatego potrafią opracować odpowiedź nawet bez podania wzorcowego schematu.
Być może jeszcze o tym nie wiesz, ale prawdopodobnie regularnie korzystasz z zero-shot promptingu. Robisz to za każdym razem, kiedy zadajesz sztucznej inteligencji pytanie bez podawania przykładów.
Oto prosty przykład takiego promptingu:
Zadanie:
Sklasyfikuj tekst jako neutralny, negatywny lub pozytywny.
Tekst:
Myślę, że te wakacje są w porządku.
Nastrój:
Wynik: neutralny
Model nie otrzymał żadnych przykładów, ale rozumie już pojęcie nastroju
Jeśli w danym przypadku prompt nie działa zgodnie z oczekiwaniami, użyj w poleceniu przykładu. Wtedy model otrzymuje zadanie wzbogacone dokładniejszą instrukcją. Mniejsze jest ryzyko popełnienia błędów.
Zero-shot prompting, one-shot prompting czy few-shot prompting?
Każda z tych metod sprawdza się w innych przypadkach. One-shot prompting opisuje sytuację, w której prompt zawiera zapytanie i jeden przykład. W przypadku few-shot promptingu przykładów może być kilka. Różnice pokazuje poniższa grafika:
Źródło: https://www.ibm.com/think/topics/zero-shot-prompting
Zobacz, jaka może być treść wcześniej użytego prompta, ale w wersji one-shot, czyli z jednym przykładem.
Zadanie: Sklasyfikuj tekst jako pozytywny, neutralny lub negatywny.
Przykład:
Tekst: Obsługa była miła, a jedzenie bardzo smaczne.
Nastrój: pozytywny
Teraz wykonaj zadanie:
Tekst: Myślę, że te wakacje są w porządku.
Nastrój:
Wynik: neutralny
Tymczasem w few-shot promptingu będzie to wyglądać następująco:
Zadanie: Sklasyfikuj tekst jako pozytywny, neutralny lub negatywny.
Przykłady:
Przykład 1
Tekst: Obsługa była miła, a jedzenie bardzo smaczne.
Nastrój: pozytywny
Przykład 2
Tekst: To był najgorszy film, jaki widziałem.
Nastrój: negatywny
Przykład 3
Tekst: Pociąg przyjechał zgodnie z rozkładem.
Nastrój: neutralny
Teraz wykonaj zadanie:
Tekst: Myślę, że te wakacje są w porządku.
Nastrój:
Wynik: neutralny
Dzięki przykładom narzędzia AI mogą lepiej dopasować odpowiedź do oczekiwanego formatu, stylu lub sposobu rozwiązania zadania.
W jakich przypadkach sprawdza się zero-shot prompting?
Zero-shot prompting sprawdza się w przypadku zadań, które nie wymagają wzorca odpowiedzi. Wtedy przekazujesz modelowi instrukcję, a zadanie zostanie zrealizowane na podstawie wiedzy modelu. Sprawdź w tabeli, w jakich przypadkach ta metoda promptowania może się sprawdzić.
| Rodzaj zapytania | Przykład prompta |
| Streszczanie tekstu | „Streść ten artykuł w 5 zdaniach.” |
| Tłumaczenie | „Przetłumacz ten tekst z polskiego na angielski.” |
| Wyjaśnianie pojęć | „Wyjaśnij, czym jest inflacja prostym językiem.” |
| Odpowiadanie na pytania | „Dlaczego niebo jest niebieskie?” |
| Generowanie pomysłów | „Podaj 10 pomysłów na nazwę kawiarni.” |
| Pisanie tekstów | „Napisz e-mail z prośbą o przesunięcie terminu spotkania.” |
| Parafrazowanie | „Przepisz ten akapit prostszym językiem.” |
| Tworzenie list | „Wymień zalety samochodów elektrycznych.” |
| Porównywanie | „Porównaj kredyt hipoteczny i kredyt gotówkowy.” |
| Korekta językowa | „Popraw błędy w tym tekście.” |
Zero-shot prompting to dobry wybór, jeśli:
- Zadanie jest typowe i dobrze opisane w poleceniu.
- Nie zależy Ci na konkretnym formacie odpowiedzi.
- Model nie musi uczyć się, jak interpretować instrukcję.
Trzy podstawowe elementy polecenia zero-shot promptingu
Polecenie zero-shot składa się z:
- opisu zadania – jasna instrukcja wykonania, ale bez przykładów;
- danych wejściowych – np. e-mail, notatka ze spotkania albo dowolny tekst, który wymaga analizy;
- formatu odpowiedzi – informacja, jak ma wyglądać.
Jeśli użyjesz tych informacji, możesz uzyskać oczekiwaną odpowiedź. W przypadku chaotycznych instrukcji istnieje ryzyko, że nie będzie zgodna z oczekiwaniami.
swój potencjał z
polityką prywatności
