Дмитрий Андрияшкин, эксперт по интернет-рекламе и продвижению с 22-летним стажем, активно использует нейросети в своей работе уже третий год. Он преподает в Школе дизайна НИУ ВШЭ и делится своими знаниями в телеграм канале.
Промпты с примерами (Few-Shot Prompting)
Это подход, когда для выполнения задачи языковой модели даются всего несколько примеров (пару строк), чтобы она поняла, что от неё хотят. В отличие от стандартного обучения, где нужны большие базы данных, тут всё проще — модель сразу работает без долгих тренировок.
Как это работает
- Модель уже обучена: у неё есть "база знаний" — миллионы текстов.
- Ты показываешь примеры: например, несколько строк, как отвечать на вопросы.
- Модель "учится в моменте": она анализирует твои примеры и делает похожий ответ.
Пример исследования тональности :
Классифицируйте тональность третьего отзыва о фильме, используя информацию из первых двух примеров:
Отзыв: "Этот фильм был пустой тратой времени."
Тональность: Отрицательная
Отзыв: "Я не мог перестать смеяться на протяжении всего фильма!"
Тональность: Положительная
Отзыв: "Спецэффекты были потрясающими, но сюжет запутанным."
Пример создания двустишия:
Создайте рифмованное двустишие о дереве:
Тема: "кот"
Двустишие: Любопытный кот, такой гладкий и толстый,
Свернулся уютно на коврике у двери.
Тема: "небо"
Двустишие: Взгляни высоко в бескрайнее небо,
Где птицы и облака плывут мимо.
Тема: "дерево"
Двустишие:
Пример промта на написание рассказа в заданном стиле:
Генерация текста:
Задача: Продолжить рассказ в заданном стиле.
Примеры:
- «Однажды в далеком королевстве жил отважный рыцарь.»
- «Каждое утро рыцарь отправлялся в новое приключение, сражаясь с драконами и спасая дам в беде.»
Новый запрос:
- «Однажды рыцарь получил таинственное письмо, которое привело его к...»
Few-Shot Prompting с Изображениями в GPT-4 Vision
На форуме разработчиков OpenAI обсуждается использование few-shot prompting с изображениями в GPT-4 Vision. В этом подходе несколько изображений и соответствующие текстовые описания предоставляются модели для обучения. Это позволяет модели генерировать описания для новых изображений на основе изученных шаблонов. Пример кода для реализации такого подхода включает передачу изображений и ожидаемых текстовых результатов в виде контент-блоков в сообщения
Пример промпта описания изображений.
Посмотри на эти изображения и их описания:
1. [Изображение горы] – "Это снежная гора с голубым небом."
2. [Изображение озера] – "Это тихое озеро с отражением деревьев."
Теперь опиши это изображение: [Загружаю новое изображение].
Почему это круто
- Не нужно тратить время на долгую настройку.
- Можно адаптироваться к новым задачам "на лету".
- Сокращает расходы, ведь не нужны большие данные.
Few shot c рассуждением (Chain-of-Thought Prompting)
Побуждайте модель к пошаговому объяснению.
Пример Few shot c рассуждением (Chain-of-Thought Prompting) :
Давайте вместе создадим очерк на основе модели 5W. Структура включает пять ключевых вопросов:
1. **Who** (Кто?): Укажите, кто является основным героем или объектом.
2. **What** (Что?): Опишите основное событие или проблему.
3. **When** (Когда?): Уточните временные рамки.
4. **Where** (Где?): Укажите место события.
5. **Why** (Почему?): Объясните причины или мотивацию.
Примеры:
1. **Who:** Молодой инженер из Нью-Йорка.
**What:** Изобрёл устройство, которое упрощает удалённую работу.
**When:** В 2023 году, после пандемии.
**Where:** Научная лаборатория в Бруклине.
**Why:** Чтобы помочь людям быть продуктивными вне офиса.
2. **Who:** Группа студентов из университета.
**What:** Организовали кампанию по озеленению города.
**When:** Весной 2024 года.
**Where:** Парк центрального района.
**Why:** Чтобы улучшить экологическую ситуацию.
Теперь предложите новое событие, и я помогу написать очерк, используя эту структуру.
Новая тема:
Многошаговое выполнение задач few shot промпта
Разбивайте сложные запросы на части.
Пример:
1. Подготовка к задаче
Цель:
- Классифицировать ключевые слова на темы: коммерческие (например, «цена разработки брендбука») и информационные («как сделать брендинг»).
- Предложить контент-план для каждой темы.
- Выбрать лучшие идеи, основываясь на частоте запросов.
2. Пример промпта для классификации
Few-Shot Prompt:
markdownКопироватьРедактироватьКлассифицируйте ключевые слова на две категории:
1. Коммерческие — запросы, связанные с ценой, заказом услуг или покупкой.
2. Информационные — запросы, связанные с поиском информации, обучением или советами.
Примеры:
1. «разработка брендбука и фирменного стиля цена» → Коммерческие
2. «как сделать брендинг» → Информационные
3. «стоимость разработки брендбука» → Коммерческие
4. «создание бренда под ключ» → Коммерческие
5. «брендинг услуги» → Информационные
Ключевые слова для классификации:
1. «брендбук заказать»
2. «разработка брендинга»
3. «брендинг студия»
4. «купить брендбук»
Ответ модели:
markdownКопироватьРедактировать1. «брендбук заказать» → Коммерческие
2. «разработка брендинга» → Информационные
3. «брендинг студия» → Коммерческие
4. «купить брендбук» → Коммерческие
3. Генерация контент-плана
Prompt:
markdownКопироватьРедактироватьСоздайте контент-план для каждой темы:
1. Для коммерческих запросов предложите статьи, направленные на привлечение клиентов.
2. Для информационных запросов предложите образовательный контент.
Пример:
Тема: Коммерческие
- Статья: «Сколько стоит разработка брендбука? Полный гид по ценам»
- Статья: «5 причин заказать брендбук для вашей компании»
Тема: Информационные
- Статья: «Как самостоятельно сделать брендбук: пошаговое руководство»
- Статья: «Что входит в процесс создания брендбука?»
Ключевые слова:
1. «брендбук заказать» →
2. «разработка брендинга» →
Ответ модели:
diffКопироватьРедактироватьТема: Коммерческие
- Статья: «Где заказать разработку брендбука: советы для компаний»
- Статья: «Почему стоит доверить разработку брендбука профессионалам?»
Тема: Информационные
- Статья: «Основы брендинга: что нужно знать перед созданием брендбука»
- Статья: «Преимущества брендинга: как он помогает вашему бизнесу?»
4. Выбор лучших идей
Prompt:
makefileКопироватьРедактироватьВыберите лучшие идеи для статей, основываясь на частоте запросов (данные из массива). Укажите, какие статьи следует приоритетно включить в контент-план.
Пример:
Частота:
«разработка брендбука и фирменного стиля цена» — 2960
«брендбук заказать» — 380
Вывод:
Приоритет для статьи «Сколько стоит разработка брендбука?» из-за высокой частоты.
Ответ модели:
Приоритетные статьи:
1. «Сколько стоит разработка брендбука?» (Частота: 2960)
2. «Где заказать брендбук?» (Частота: 380)
3. «Как сделать брендбук самостоятельно?» (Частота: 150)
5. Итоговый контент-план
- Коммерческие темы:«Сколько стоит разработка брендбука? Полный гид по ценам»
«Где заказать разработку брендбука: советы для компаний» - Информационные темы:«Как сделать брендбук: пошаговое руководство»
«Основы брендинга: что нужно знать перед созданием брендбука»
Заключение
Few shot промпты — это мощный инструмент, позволяющий языковым моделям решать новые задачи с минимальным количеством обучающих данных. Используя несколько примеров, мы направляем модель на обучение и обобщение, повышая её эффективность и адаптивность. Несмотря на ограничения, метод демонстрирует многообещающие результаты в различных приложениях NLP и является ценным инструментом в области искусственного интеллекта.
Синтез
Few shot промпты открывает перспективные возможности для повышения эффективности крупных языковых моделей. Используя «обучение в контексте», этот метод позволяет адаптироваться к новым задачам с минимальными примерами, снижая зависимость от объемных обучающих данных. Такая гибкость делает малошотовое программирование ценным инструментом в NLP, начиная от анализа настроений и заканчивая генерацией кода. Однако для достижения оптимальной производительности важно учитывать выбор примеров и ограничения предварительно обученной модели. По мере развития NLP малошотовое программирование, вероятно, будет играть всё более значимую роль в формировании будущего искусственного интеллекта.
Дмитрий Андрияшкин, эксперт по интернет-рекламе и продвижению с 22-летним стажем, активно использует нейросети в своей работе уже третий год. Он преподает в Школе дизайна НИУ ВШЭ и делится своими знаниями в телеграм канале.
