人工智能 | 大模型之提示词工程:少样本提示
更多软件测试学习资料戳
简介
在学习零样本提示之后,很容易联想到与之对应的少样本提示。零样本提示虽然已经能解决大部分问题,但是在面对一些更复杂的任务的时候,表现并不是很好。而少样本提示可以通过提示词,直接为大模型提供对应的示例,更方便大模型理解我们的想法。
应用场景
相较于零样本提示,少样本提示能够解决的问题会更复杂一点。但是依然存在一些解决不了的场景。
实战案例
在提示词工程官方文档-少样本提示中,有很多相关的案例。去证明当给大模型提供少量的样本提示的时候,其表现更佳!
比如第一个提示词示例, 任务要求在句子中正确使用一个新词:
复制代码
输出:
复制代码
在使用少样本提示的过程中,我们需要注意以下几点:
尽量在提示词中添加一些标签。
标签在有些时候不用限定特别强的格式。
只要有标签(不论格式是否统一),都要比没有标签的提示要强。
如下所示:
复制代码
提示词:
输出:
复制代码
提示词:
复制代码
输出:
复制代码
少样本提示的限制
少样本提示在处理更复杂的推理任务的时候,表现不佳,如下所示:
提示词:
复制代码
输出:
复制代码
添加更多示例,提示词:
复制代码
输出:
复制代码
而少样本提示的这个问题,则需要通过思维链进行解决。
总结
理解什么是少样本提示。
理解少样本提示的应用场景。
理解少样本提示的提示词技巧。
理解少样本提示的局限性。
![](https://static001.geekbang.org/infoq/fb/fba95519c1f3191a10f223363738a780.png)
评论