| シナリオ | 推奨アプローチ |
|---|---|
| フォーマットが重要なタスク(JSON、ラベル、トーン指定など) | 2〜5個のクリーンで多様な例文を使用。例文はフォーマットやトーン、ラベルを固定するのに役立ちます 。 |
| 標準的なテキスト生成・分類 | まず2〜3個の高品質な例文から開始。Few-shotのデモンストレーションはモデルの性能を引き出します 。 |
| 推論が中心のタスク | まずZero-shotから開始。フォーマット制御が必要な場合のみ1〜2個の例文を追加し、効果を検証します 。 |
| 複雑な抽出タスク | タスクを正確に反映した代表的な例文を少数使用します 。 |
| 迷った場合 | まず3個の例文から始め、テストしながら調整します。2〜5個の範囲が一般的に推奨されており、多すぎると過剰プロンプティングの原因になります 。 |
結論: 例文を使用し、その数を2〜5個に抑え、量よりも質と多様性を重視しましょう 。特に推論タスクでは、Few-shotとZero-shotのどちらが効果的か、実際にテストして判断することが重要です 。
| シナリオ | 推奨アプローチ |
|---|---|
| フォーマットが重要なタスク(JSON、ラベル、トーン指定など) | 2〜5個のクリーンで多様な例文を使用。例文はフォーマットやトーン、ラベルを固定するのに役立ちます 。 |
| 標準的なテキスト生成・分類 | まず2〜3個の高品質な例文から開始。Few-shotのデモンストレーションはモデルの性能を引き出します 。 |
| 推論が中心のタスク | まずZero-shotから開始。フォーマット制御が必要な場合のみ1〜2個の例文を追加し、効果を検証します 。 |
| 複雑な抽出タスク | タスクを正確に反映した代表的な例文を少数使用します 。 |
| 迷った場合 | まず3個の例文から始め、テストしながら調整します。2〜5個の範囲が一般的に推奨されており、多すぎると過剰プロンプティングの原因になります 。 |
結論: 例文を使用し、その数を2〜5個に抑え、量よりも質と多様性を重視しましょう 。特に推論タスクでは、Few-shotとZero-shotのどちらが効果的か、実際にテストして判断することが重要です 。