Толковый словарь по нейросетям и искусственному интеллекту
Мало-примерное программирование
Few-Shot Prompting
Категория термина
Мало-примерное программирование (Few-Shot Prompting) — это метод взаимодействия с языковыми моделями, при котором в запрос (промпт) включается несколько примеров правильных входов и соответствующих выходов, чтобы модель могла использовать этот контекст для решения новой задачи. В отличие от обучения, модель не изменяет свои параметры, а лишь использует предоставленные примеры как ориентир для генерации ответа.
🧠 Механизм работы
- Пользователь формирует промпт-шаблон, содержащий описание задачи.
- В этот промпт включаются несколько примеров (обычно 2–10), показывающих, как должна выглядеть связь между входом и выходом.
- В конце указывается новый вход, на который модель должна ответить по аналогии.
- Модель использует обобщение на основе контекста и формирует результат, учитывая закономерности в примерах.
🔑 Основные особенности
- Не требует дополнительного обучения модели.
- Работает за счёт контекстного обобщения.
- Позволяет улучшить качество ответов на специализированные запросы.
- Чем больше релевантных примеров — тем лучше модель понимает задачу.
📌 Примеры применения
- Машинный перевод: показать 2–3 примера переводов, затем попросить перевести новое предложение.
- Классификация текста: задать несколько меток с примерами ("Позитив", "Негатив"), а затем классифицировать новую фразу.
- Извлечение информации: показать, как из текста выделять сущности (например, имена или даты), и применить это к новому фрагменту.
- Форматирование данных: задать пару примеров преобразования текста в JSON и получить аналогичный результат.
⚖️ Преимущества и недостатки
Преимущества:
- Гибкость и отсутствие необходимости дообучения модели.
- Быстрая настройка под конкретные задачи.
- Возможность адаптировать модель "на лету".
Недостатки:
- Ограничено контекстным окном модели.
- Требует правильно подобранных примеров.
- Может давать нестабильные результаты, если примеры разнородные.
🧠 Связанные понятия
- Zero-Shot Prompting — выполнение задачи без примеров, только на основе инструкции.
- One-Shot Prompting — использование одного примера.
- Prompt Engineering — создание эффективных промптов с примерами.
- In-Context Learning — обучение модели "в контексте" через примеры в промпте.
💡 Вывод
Few-Shot Prompting — это мощный метод, позволяющий управлять языковыми моделями без дополнительного обучения, демонстрируя им через несколько примеров желаемый формат или логику решения задачи.
