プロンプトエンジニアリング101：ゼロ、ワン、そしてフューショットプロンプティング

プロンプトエンジニアリング101

基本的なプロンプトエンジニアリング戦略の紹介

イントロダクション

見た目は超自然な能力を持っているように見えますが、LLMは提供されたコンテキストに基づいて、単に単語の次の単語を予測するだけの予測モデルです。

そのため、彼らのパフォーマンスは、訓練に使用される膨大なデータだけでなく、ユーザーの入力を通じて提供されるコンテキストにも大きく依存しています。

LLMを使ったチャットボットの頻繁なユーザーは、コンテキストの重要性を認識しています。十分なコンテキストがない場合、ChatGPTなどの一般公開サービスまたはカスタム製のLLM製品であっても、より複雑な指示を実行するのに苦労します。

ここでは、LLMにプロンプトを正しく回答するために使用される最も基本的な戦略の1つ、ユーザープロンプト内でのコンテキストの提供について詳しく説明します。これは、ゼロショットプロンプティング、ワンショットプロンプティング、フューショットプロンプティングの3つの異なる方法で行われることが多いです。

• フリーランサーが真の自由を達成するためのAIの3つの方法
• 「あなたのコードの進化 パート2 遺伝的アルゴリズムを使ってスタッフ割り当て問題を解決する方法」
• プライバシー保護のためのAIとブロックチェーンの統合

ゼロショットプロンプティング

以前にLLMを搭載したチャットボットとやり取りしたことがある場合、おそらく無意識のうちにゼロショットプロンプティングを使用したことがあります。ゼロショットプロンプティングは、与えられたユーザープロンプトに対してLLMの事前学習情報だけに頼ることを意味します。

例えば、ChatGPTを感情分析器として使用した場合、ゼロショットプロンプティングを用いた入力は次のようになります：

ユーザープロンプト：「この文の感情を判定してください。文：『このバスケットボールは非常に重いです』。」

ChatGPT：「文『このバスケットボールは非常に重いです』の感情は中立です。これはポジティブまたはネガティブな感情を伝えるのではなく、バスケットボールの重さに関する事実情報を提供しています。」

追加のコンテキストなしでこのクエリが提供された場合、LLMはこの文を中立と評価します。

この方法は通常満足な応答を得ることができますが、質問の複雑さが高い場合や、回答の基準が通常と異なる場合には不十分な場合があります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!