Przykłady w promptach AI – klucz do lepszych odpowiedzi czy pułapka?

Tak — dodawanie dobrze dobranych przykładów do promptu (technika few-shot) to jedna z najskuteczniejszych metod poprawy jakości odpowiedzi AI. Few-shot polega na umieszczeniu w prompcie kilku demonstracji, które kierują model w stronę lepszego działania i warunkują jego odpowiedź na podstawie podanych przykładów . Złoty środek to zazwyczaj 2–5 przykładów – badania i praktyka pokazują, że zbyt duża liczba może prowadzić do malejących, a nawet ujemnych rezultatów .

Kluczowe wnioski z badań

• Przykłady radykalnie poprawiają celność. Model Claude 3 Haiku osiągnął zaledwie 11% poprawności bez przykładów, ale już 75% po dodaniu trzech przykładów – dorównując znacznie większym modelom działającym bez przykładów .
• 2–5 przykładów to optymalny zakres. W poradnikach dotyczących prompt engineeringu najczęściej zaleca się właśnie 2–5 przykładów, a badania potwierdzają, że to ilość wystarczająca do osiągnięcia dobrych rezultatów .
• Więcej nie znaczy lepiej. Badanie z arXiv wskazuje na problem „przeciążenia promptu” (over-prompting), gdzie zbyt wiele przykładów obniża wydajność modelu, podważając przekonanie, że zawsze więcej znaczy lepiej .
• Jakość przykładów jest ważniejsza niż ilość. Różnorodne, wysokiej jakości i dobrze dobrane przykłady mogą działać lepiej niż samo dokładanie kolejnych. Niespójne przykłady mogą nauczyć model niespójnych wzorców .
• W zadaniach wymagających rozumowania najpierw sprawdź wersję bez przykładów. Przetestuj działanie modelu bez i z przykładami – w niektórych przypadkach przykłady mogą pogorszyć wyniki .

Praktyczne zalecenia

Scenariusz	Zalecane podejście
Zadania wrażliwe na format (JSON, etykiety, ton)	Użyj 2–5 czystych, różnorodnych przykładów – przykłady pomagają ustalić format, ton i etykiety .
Standardowe generowanie tekstu / klasyfikacja	Zacznij od 2–3 wysokiej jakości przykładów – demonstracje few-shot kierują model w stronę lepszego działania .
Zadania wymagające rozumowania	Zacznij od wersji bez przykładów; dodaj 1–2 przykłady tylko jeśli potrzebujesz większej kontroli nad formatem – sprawdź, czy przykłady pomagają, czy przeszkadzają .
Złożone zadania ekstrakcji	Użyj małego zestawu reprezentatywnych przykładów, które dokładnie odwzorowują zadanie .
Gdy nie jesteś pewny	Zacznij od 3 przykładów, testuj i dostosowuj – 2–5 przykładów to powszechnie zalecany zakres, a zbyt wiele może spowodować przeciążenie promptu .

Na koniec: Używaj przykładów, trzymaj się zakresu 2–5, stawiaj na jakość i różnorodność . Zawsze sprawdzaj, czy Twój konkretny model działa lepiej z przykładami czy bez – zwłaszcza w zadaniach wymagających rozumowania, gdzie dodatkowe przykłady nie zawsze pomagają .