Skal du bruge eksempler i dine AI-prompts? Og hvor mange er bedst?

Ja – at inkludere velvalgte eksempler i dine prompts (few-shot prompting) er en af de mest effektive teknikker til at forbedre kvaliteten af AI-output. Few-shot prompting giver demonstrations-eksempler i prompten, som styrer modellen mod bedre præstation og betinger dens svar på de leverede eksempler . Det bedste antal er typisk 2-5 eksempler, og forskning viser, at for mange eksempler kan give faldende eller endda negative resultater .

Vigtigste resultater

• Eksempler forbedrer nøjagtigheden dramatisk. Claude 3 Haiku gik fra 11 % korrekthed uden eksempler til 75 % med blot tre eksempler – hvilket matcher langt større modellers zero-shot-præstation .
• 2-5 eksempler er det forskningsbaserede optimum. Flere prompt-guides beskriver few-shot prompting som typisk 2-5 eksempler, og én guide identificerer 2-5 som det optimale interval .
• Mere er ikke altid bedre. Et arXiv-studie har identificeret et ”over-prompting”-problem, hvor for mange eksempler kan reducere modellens præstation .
• Eksemplernes kvalitet betyder mere end antallet. Forskellige, højkvalitets- og velstratifiserede eksempler kan give bedre resultater end blot at tilføje flere eksempler, mens inkonsistente eksempler kan lære modellen inkonsistente mønstre .
• Til opgaver med meget ræsonnement bør du starte med zero-shot. Test zero-shot mod few-shot, da over-prompting kan forringe præstationen i nogle tilfælde .

Praktiske anbefalinger

Situation	Anbefalet tilgang
Format-krævende opgaver (JSON, labels, tone)	Brug 2-5 rene, forskellige eksempler, da eksempler kan forankre format, tone og labels .
Standard tekstgenerering/klassifikation	Start med 2-3 højkvalitets-eksempler, da de kan styre modellen mod bedre præstation .
Opgaver med meget ræsonnement	Start med zero-shot; tilføj 1-2 eksempler kun hvis du har brug for stærkere formatkontrol, og test om eksemplerne hjælper eller skader .
Komplekse ekstraktionsopgaver	Brug et lille sæt repræsentative eksempler, der spejler opgaven tæt .
Hvis du er i tvivl	Start med 3 eksempler, test og justér – 2-5 eksempler er en almindeligt anbefalet mængde, og for mange kan føre til over-prompting .

Bundlinje: Brug eksempler, hold dem til 2-5, og prioritér kvalitet og variation over kvantitet . Test om din specifikke model nyder godt af few-shot frem for zero-shot, især på opgaver med meget ræsonnement, hvor ekstra eksempler ikke altid hjælper .