🔆 چطور خروجی دقیق‌تری از مدل‌های زبانی (LLM) بگیریم؟

🔹 تکنیک Few-Shot Prompting
خیلی وقت‌ها وقتی از مدل‌هایی مثل ChatGPT یا Claude درخواست می‌کنیم کاری انجام بدن، خروجی اون‌چیزی نمیشه که انتظار داریم. دلیلش اینه که به مدل الگو (Pattern) ندادیم!

🔹 در پرامپت نویسی سه روش اصلی داریم:
Zero-Shot:
بدون ارائه نمونه، مستقیماً دستور میدیم.

One-Shot:
یک نمونه خروجی دلخواه به پرامپت اضافه می‌کنیم.

Few-Shot: چند نمونه (معمولاً ۲ تا ۵ نمونه) از ورودی و خروجی ایده‌آل به مدل می‌دیم.

🔹 مثال کاربردی از Few-Shot Prompting:

پرامپت:

متن‌های زیر را تحلیل حس کنید و بر اساس الگو پاسخ دهید:

ورودی: "پشتیبانی عالی بود و خیلی سریع مشکل منو حل کردن."

خروجی: مثبت | بخش: پشتیبانی

ورودی: "سایت خیلی کند بالا میاد و موقع پرداخت ارور میده."

خروجی: منفی | بخش: فنی

ورودی: "قیمت محصولات نسبت به کیفیت خوبه اما ارسال دیر انجام شد."

خروجی: ترکیبی | بخش: لوجستیک


🔹 چرا این روش جواب می‌ده؟

مدل‌های زبانی بزرگ پیش‌بینی‌کننده کلمه بعدی بر اساس الگو هستند. وقتی الگو (Pattern) رو شفاف کنید، خروجی ساختاریافته، یکدست و بدون پرتی خواهد بود.

🦾 @ai_inf