Few Shot Prompting(التوجيه بعدد قليل من الأمثلة)

إن التوجيه باستخدام عدد قليل من الأمثلة هو أسلوب يتم فيه تجهيز نموذج التعلم الآلي بعدد صغير من الأمثلة (أو "اللقطات") التي توضح السلوك أو الناتج أو المهمة المطلوبة، قبل تقديم مدخلات جديدة ذات صلة. يسمح هذا النهج للنموذج ببناء فهم لما هو متوقع منه، حتى مع السياق المحدود. وهو ذو قيمة خاصة لضبط وتعميم النماذج الكبيرة المدربة مسبقًا مثل GPT-3 من OpenAI.

المبادئ الأساسية
عند استخدام التحفيز باستخدام عدد قليل من اللقطات، ضع في اعتبارك ما يلي:

• عدد الأمثلة: يتضمن إعداد عدد قليل من اللقطات عادةً من 2 إلى 10 أمثلة (ولكن يمكن أن يختلف)، اعتمادًا على وضوح وتعقيد المهمة.
• السياق والملاءمة: يجب أن تكون الأمثلة ذات صلة بالمهمة المطلوبة وتوفر أساسًا كافيًا لتشكيل ناتج النموذج.
• التوازن: اجتهد في تحقيق التوازن بين عدد قليل جدًا من الأمثلة (نقص المواصفات) والعديد جدًا من الأمثلة (التكرار والإفراط في المواصفات).

الأمثلة والنصائح
ضع في اعتبارك المثال التالي لمهمة تحليل المشاعر باستخدام التحفيز باستخدام عدد قليل من اللقطات. تقدم بعض أزواج الإدخال/الإخراج المُسمّاة إلى النموذج، مما يساعده على فهم توقعاتك:

The movie was fantastic! - Positive
I didn't enjoy the food at all. - Negative
Amazing vacation, I had a great time! - Positive
She looks upset and angry. - Negative

بعد تقديم هذه الأمثلة، قم بتقديم الاستعلام الذي تريد أن يقوم النموذج بتحليله:

The book was hard to put down. - {sentiment_label}

يساعد هذا الهيكل الموجه النموذج على فهم مهمة تحليل المشاعر ويزيد من احتمالية الحصول على النتيجة الصحيحة (أي "إيجابية").

تذكر أن تجرب عدد الأمثلة ومحتواها لإيجاد التوازن الأمثل لمهمتك المحددة. بالإضافة إلى ذلك، يمكنك استخدام التعليمات المضمنة لتوجيه النموذج بشكل أكبر، مثل مطالبته بتصنيف المشاعر في جملة معينة.