AIF-C01 · Inżynieria promptów
Techniki promptowania
Najważniejsze
- Zero-shot podaje samo zadanie.
- Single-shot dodaje jeden przykład, few-shot kilka.
- Chain-of-thought każe modelowi rozumować krok po kroku przed odpowiedzią, co pomaga w zadaniach wieloetapowych.
- Szablon promptu to wielokrotnego użytku prompt z polami uzupełnianymi w czasie działania.
Przykładowe pytania
Co definiuje prompt zero-shot?
- Zawiera zadanie, ale bez przykładów
- Zawiera dokładnie jeden przykład
- Zawiera kilka przykładów
- Prosi model o pokazanie rozumowania
Pokaż odpowiedź
Odpowiedź: A. Zawiera zadanie, ale bez przykładów
Zero-shot oznacza brak przykładów; model polega na swoim treningu. Jeden lub więcej przykładów to single-shot lub few-shot.
Które stwierdzenia o promptowaniu few-shot są poprawne?
- Przykłady pokazują modelowi pożądany wzorzec lub format
- Przykłady zużywają tokeny wejściowe w każdym żądaniu
- Przykłady trwale przeuczają model
- Wymaga zera przykładów
- Zmienia wagi modelu w usłudze
Pokaż odpowiedź
Odpowiedź: A. Przykłady pokazują modelowi pożądany wzorzec lub format, B. Przykłady zużywają tokeny wejściowe w każdym żądaniu
Przykłady few-shot pokazują wzorzec i format oraz zużywają tokeny wejściowe. Nie zmieniają wag modelu, więc nie ma ponownego trenowania.
Prawda czy fałsz: podanie przykładów w prompcie few-shot dostraja (fine-tuning) model.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Przykłady few-shot istnieją tylko w prompcie dla danego żądania (uczenie w kontekście). Dostrajanie zmienia wagi modelu w osobnym zadaniu treningowym.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
