Few-shot prompting
Le few-shot prompting consiste à fournir quelques exemples dans le prompt afin de montrer au modèle le type de tâche et le format de réponse attendus.
Comment fonctionne Few-shot prompting ?
Les exemples servent de démonstrations contextuelles. Le modèle n’est pas réentraîné : il généralise à partir des exemples présents dans la fenêtre de contexte.
Dans un usage conversationnel, la qualité du résultat dépend fortement de la manière dont l’objectif, les contraintes et le contexte sont formulés. Cette notion aide à mieux piloter ce qui est donné au modèle avant la génération.
Exemple concret
Pour classifier des leads, on peut donner trois exemples « Entreprise + besoin catégorie » avant de demander la catégorie d’un nouveau lead.
À ne pas confondre
Le few-shot fournit quelques exemples ; le zero-shot demande la tâche sans exemple spécifique.
Questions fréquentes sur Few-shot prompting
Qu’est-ce que Few-shot prompting ?
+
Le few-shot prompting consiste à fournir quelques exemples dans le prompt afin de montrer au modèle le type de tâche et le format de réponse attendus.
À quoi sert Few-shot prompting ?
+
Pour classifier des leads, on peut donner trois exemples « Entreprise + besoin catégorie » avant de demander la catégorie d’un nouveau lead.
Comment utiliser Few-shot prompting efficacement ?
+
Les exemples servent de démonstrations contextuelles. Le modèle n’est pas réentraîné : il généralise à partir des exemples présents dans la fenêtre de contexte.
Quel est l’intérêt de Few-shot prompting dans ChatGPT ou un LLM ?
+
Dans un usage conversationnel, la qualité du résultat dépend fortement de la manière dont l’objectif, les contraintes et le contexte sont formulés. Cette notion aide à mieux piloter ce qui est donné au modèle avant la génération.
Quelle différence avec une notion proche ?
+
Le few-shot fournit quelques exemples ; le zero-shot demande la tâche sans exemple spécifique.