Aprendizaje Few-Shot
El prompting few-shot proporciona multiples ejemplos para establecer patrones, manejar variaciones y mejorar la consistencia. Es una de las tecnicas de ingenieria de prompts mas poderosas.
Que es Few-Shot?
Multiples ejemplos establecen las reglas de clasificacion a traves del reconocimiento de patrones.
Por que Funciona el Few-Shot
- Reconocimiento de patrones - La IA identifica reglas a partir de ejemplos
- Desambiguacion - Multiples ejemplos clarifican casos limite
- Consistencia - El formato de salida se mantiene uniforme
- Instrucciones reducidas - Muestra, no digas
Numero Optimo de Ejemplos
| Complejidad de la Tarea | Ejemplos Recomendados |
|---|---|
| Simple | 2-3 |
| Moderada | 3-5 |
| Compleja | 5-8 |
| Altamente matizada | 8-12 |
Mas no siempre es mejor - los ejemplos usan tokens y pueden causar sobreajuste.
Ejercicio: Crea Clasificacion Few-Shot
Seleccion de Ejemplos Few-Shot
Diversidad
Cubre diferentes categorias y casos limite:
Equilibrio
No sobre-representes una categoria:
Rango de Dificultad
Incluye casos faciles y dificiles:
Few-Shot para Consistencia de Formato
Los ejemplos establecen:
- Formato de titular - descripcion
- Lenguaje de beneficio especifico
- Separador de guion
- Texto orientado a la accion
Ejercicio: Few-Shot para Tono
Anti-Patrones Few-Shot
Formatos Inconsistentes
Ejemplos Demasiado Similares
Ejemplos Engañosos
Incluir clasificaciones incorrectas o ambiguas confunde a la IA.
Few-Shot para Tareas Complejas
Para tareas de multiples pasos, muestra el proceso completo:
Practica: Construyendo Conjuntos de Ejemplos
El aprendizaje few-shot te permite enseñar a la IA tus requisitos especificos a traves de demostracion en lugar de explicacion.
Discussion
Sign in to join the discussion.