Zero, One e Few-Shot Prompts: Entendendo os Conceitos Básicos

Luiza Pereira
4 minutos de leitura

Conteúdos do tutorial

A inteligência artificial (IA) está cada vez mais presente em nosso dia a dia, e entender os conceitos de engenharia de prompt fundamentais é essencial para quem está começando nessa área. Neste artigo, vamos explorar os conceitos de Zero, One e Few-Shot, que são técnicas de engenharia de prompt que permitem que modelos realizem tarefas com diferentes níveis de exemplos.

imagem de letras coloridas em fundo verde

O que é Zero-Shot?

Zero-Shot é uma técnica de criação de pormpts na qual não há a necessidade de exemplos de prompts específicos para essa tarefa. Em vez disso, o modelo generaliza a partir de exemplos de outras tarefas relacionadas.

Exemplos de prompts Zero-Shot

Um exemplo prático de Zero-Shot é o uso de um modelo de LLM geral para a classificação de sentimento, no qual não é necessário mostrar ao modelo exemplos das respostas que gostaríamos, e ele conseguie dar a resposta adequada.

Classifique o texto como neutro, negativo ou positivo.
Texto: Eu acho que as férias estão ok.
Sentimento:
Neutro

O que é One-Shot?

Na técnica One-Shot, o modelo é capaz de realizar melhor uma tarefa com base em um exemplos fornecidos. No caso do one-shot, devemos fornecer soemnte 1 exemplo.

One-Shot na prática

No One-shot devemos primeiro fornecer um exemplo de como queremos a nossa resposta seja exibida:

Um "whatpu" é um animal pequeno e peludo nativo da Tanzânia. Um exemplo de uma frase que usa a palavra whatpu é:
Estávamos viajando na África e vimos esses whatpus muito fofos.

A partir disso, podemos pedir para o modelo novas informações, e ele responderá de acordo:
Realizar um "farduddle" significa pular para cima e para baixo muito rápido. Um exemplo de uma,
frase que usa a palavra farduddle é:
A criança estava tão animada que começou a farduddle de alegria.

O que é Few-Shot?

Na técnica Few-Shot, devemos fornecer um número maior de exemplos ao modelo para que ele retorne outputs de acordo com o desejado.

Utilizando Few-Shot

Vamos passar ao modelo exemplos de sentimentos associados a textos:

Texto: Isso é incrível!
Sentimento: Negativo
Texto: Isso é ruim!
Sentimento: Positivo
Texto: Uau, esse filme foi incrível!
Sentimento: Positivo

Após isso, podemos pedir ao nosso modelo qual o sentimento de um novo texto, e ele responderá no formato que desejamos, pois anteriormente explicamos ao modelo como é que gostaríamos de receber nosso output.
Texto: Que programa horrível!
Sentimento:
Negativo

Conclusão

Entender os conceitos de Zero, One e Few-Shot é fundamental para quem está começando na área de engenharia de prompts. Essas técnicas permitem que o uso de LLMs seja mais eficaz, gerando respostas mais precisas e adequadas ao seu problema.

Se você está interessado em aprender mais sobre inteligência artificial e suas aplicações, continue acompanhando nosso blog para mais tutoriais e dicas!

Inscreva-se gratuitamente e fique atualizado

Receba toda semana um resumo dos principais conteúdos da Asimov direto no seu e-mail. 100% livre de spam.

Áreas de interesse: