Passa al contenuto principale

Esempi Few-Shot Fatti Bene

Intermedio
What you'll learn
  • Cos'è il prompting few-shot e perché gli esempi battono le descrizioni
  • Come leggere un prompt few-shot pulito che il modello completa
  • Come scegliere, formattare e ordinare gli esempi (inclusi i casi limite)
  • Quando scegliere zero-shot e quando few-shot
  • Perché un esempio sciatto è peggio di nessun esempio

Il prompting few-shot consiste nel mostrare al modello alcuni esempi svolti del task prima di chiedergli di affrontarne uno nuovo. Fatto bene, è il modo più rapido per fissare un formato, uno stile o un comportamento sui casi limite — spesso meglio che descrivere a parole ciò che vuoi.

Perché gli esempi battono le descrizioni​

"Sii conciso e amichevole" è vago. Mostrare due output concisi e amichevoli è inequivocabile. Il modello riconosce il pattern negli esempi e ne prosegue lo schema.

Un prompt few-shot pulito​

Nota la forma: diverse coppie Message → Label in formato identico, poi un messaggio finale con un Label: vuoto che il modello deve completare.

Prompt di classificazione few-shot

Classify each support message as: billing, bug, or feature.

Message: "I was charged twice this month."
Label: billing

Message: "The app crashes when I upload a photo."
Label: bug

Message: "Can you add dark mode?"
Label: feature

Message: "My subscription renewed at the wrong price."
Label:

Il modello ha il pattern; completa l'ultima riga.

Come scegliere e formattare gli esempi​

Guided walkthrough1 of 5
  1. Includi i casi limite che ti stanno a cuore. Se una categoria è rara o insidiosa, includila.

Il costo in token di cui sopra è reale — vedi Token e Contesto. Per l'approccio con delimitatori, i tag XML sono un separatore pulito e affidabile.

Zero-shot vs few-shot​

Prova prima lo zero-shot (chiedi e basta) — i modelli moderni sono potenti. Aggiungi esempi quando ti serve un formato/stile specifico o quando il task è ambiguo. Se lo zero-shot già funziona perfettamente, non pagare per gli esempi.

Pro tip
  • Gli esempi sono dati — tienili puliti. Un esempio sbagliato o sciatto insegna attivamente la cosa sbagliata. Curali come fossero dati di training.
Key takeaways
  • Mostra, non raccontare: gli esempi svolti battono le descrizioni vaghe.
  • Copri la varietà, soprattutto i casi limite, e mantieni ogni esempio in un formato identico.
  • 2-5 esempi di solito bastano; aumentarli può portare a overfitting e costa token.
  • L'ordine conta — i più chiari per primi, e non raggruppare insieme una stessa etichetta.
  • Inizia con zero-shot; aggiungi esempi solo per formato/stile specifico o ambiguità.

Mettiti alla prova

0/5
  1. Perché gli esempi spesso battono una descrizione scritta come 'sii conciso e amichevole'?
  2. Quanti esempi sono 'spesso sufficienti' per un prompt few-shot?
  3. Per un task di classificazione, come dovresti ordinare gli esempi?
  4. Quando dovresti preferire lo zero-shot al few-shot?
  5. Qual è il rischio di un esempio sciatto o sbagliato?

Prossimi passi​