پرامپت‌نویسی بدون نمونه

Zero-Shot Prompting

مدل‌های زبانی بزرگ (LLMs) مثل GPT-3.5 Turbo، GPT-4 و Claude 3 برای اجرای دستورات تنظیم شده‌اند و روی حجم زیادی از داده‌ها آموزش دیده‌اند. آموزش گسترده باعث می‌شود این مدل‌ها بتونن بعضی کارها رو بدون نیاز به نمونه‌ها یا توضیحات اضافی انجام بدن. وقتی می‌گیم پرامپت بدون نمونه‌، یعنی وقتی که با مدل صحبت می‌کنیم، از هیچ مثالی استفاده نمی‌کنیم. در واقع، پرامپت به صورت مستقیم به مدل می‌گه که چه کاری رو انجام بده، بدون اینکه نیاز باشه از مثال‌های بیشتری استفاده کنیم.

در قسمت قبلی چندتا مثال از این نوع پرامپت‌ها رو امتحان کردیم. این هم یکی از اون‌ها (مثل دسته‌بندی متن) بود:

پرامپت: 

متن رو به عنوان خنثی، منفی یا مثبت دسته‌بندی کن.

متن: فکر می کنم تعطیلات خوب است.

احساس:  

خروجی:

خنثی

 توی متن بالا ما هیچ مثالی از متن به همراه طبقه‌بندی‌ها به مدل ندادیم. اما مدل خودش “احساس” رو درک می‌کنه. این نشون‌دهنده‌ی توانایی‌های بدون مثال دادن (zero-shot) مدل هست. در پست بعدی با پرامپت‌نویسی با نمونه یا few shot learning آشنا می‌شویم.