Bør du bruke eksempler i AI-spørsmålene dine, og hvor mange er best?

Ja – å inkludere velvalgte eksempler i AI-spørsmålet ditt (few-shot prompting) er en av de mest effektive teknikkene for å forbedre kvaliteten på svarene du får. Few-shot prompting innebærer å gi modellen noen få demonstrasjoner i spørsmålet, slik at den lærer hva slags svar du forventer . Det ideelle antallet er vanligvis 2–5 eksempler, og forskning viser at flere eksempler kan gi avtagende eller til og med negativ effekt .

Hva sier forskningen?

• Eksempler gir dramatisk bedre nøyaktighet. Claude 3 Haiku, for eksempel, gikk fra 11 % riktige svar uten eksempler til 75 % med bare tre eksempler – like bra som mye større modellers ytelse uten eksempler .
• 2–5 eksempler er det forskningsbaserte optimumet. De fleste veiledninger anbefaler 2–5 eksempler for few-shot prompting .
• Flere er ikke alltid bedre. En studie på arXiv identifiserte et «over-prompting»-problem der for mange eksempler kan redusere ytelsen .
• Kvalitet fremfor kvantitet. Varierte, høykvalitets og godt stratifiserte eksempler gir bedre resultater enn bare å legge til flere .
• For oppgaver som krever resonnement, prøv først uten eksempler. Test om null-shot eller few-shot fungerer best, siden over-prompting kan svekke resultatet .

Praktiske anbefalinger

Scenario	Anbefalt tilnærming
Formatsensitive oppgaver (JSON, etiketter, tone)	Bruk 2–5 rene, varierte eksempler, siden de kan forankre format, tone og etiketter .
Standard tekstgenerering / klassifisering	Start med 2–3 høykvalitetseksempler, da demonstrasjoner kan styre modellen mot bedre ytelse .
Resonneringstunge oppgaver	Start uten eksempler; legg til 1–2 kun hvis du trenger strengere formatkontroll, og test om det hjelper eller hemmer .
Komplekse uttrekksoppgaver	Bruk et lite sett representative eksempler som speiler oppgaven nøye .
Når du er usikker	Start med 3 eksempler, test og juster – 2–5 er den vanligste anbefalingen .

Hovedpoenget: Bruk eksempler, hold deg til 2–5, og prioriter kvalitet og variasjon fremfor kvantitet . Test alltid om din spesifikke modell drar nytte av få eksempler eller ikke, spesielt ved oppgaver som krever resonnement .