Few-Shot-Prompting

Zwei oder drei Beispiele für den Ton oder die Struktur, die du willst, bringen dich näher ans Ziel als ein ganzer Absatz mit Erklärungen.

So funktioniert es

Das GPT-3-Paper von Brown und Kollegen aus dem Jahr 2020 mit dem Titel „Language Models are Few-Shot Learners“ hat gezeigt: Ein großes Modell löst neue Aufgaben anhand weniger Beispiele in seiner Eingabe, ohne dass das Modell selbst verändert wird. Zero-Shot heißt ohne Beispiele, Few-Shot heißt mit mehreren.

Modelle gewichten Beispiele stark, in vielen Fällen stärker als die schriftlichen Anweisungen. Ein gutes Set ist abwechslungsreich. So lernt das Modell das Muster und kopiert nicht die Länge oder Wortwahl eines einzelnen Beispiels. Ein schlechtes Beispiel, als solches markiert und kurz begründet, hilft ebenfalls.

Fang ohne Beispiele an. Füge welche hinzu, wenn das Ergebnis fast passt, aber Format oder Ton immer wieder abweichen.

Beispiel

Die Leiterin des Kundenservice bei einem Mittelständler will Support-Tickets mit Rechnung, Fehler, Funktionswunsch oder Anleitungsfrage taggen. Mit Anweisungen allein schwanken die Tags. Sie fügt vier echte Tickets mit dem richtigen Tag hinzu, darunter ein kniffliges, in dem sich jemand über eine Rechnung beschwert und nebenbei einen Fehler erwähnt. Danach sind die Tags einheitlich genug für das wöchentliche Dashboard des Teams.

Häufiger Fehler

Die Anforderungen ändern sich, die Beispiele bleiben. Ein Prompt, dessen Beispiele das Format vom letzten Quartal zeigen, liefert weiter das Format vom letzten Quartal, auch wenn die Anweisungen längst neu geschrieben sind. Aktualisiere die Beispiele jedes Mal, wenn du die Regeln änderst.