AI Prompt’ınıza Kaç Örnek Eklemelisiniz? İşte Bilimsel Cevap

Evet — AI prompt'ınıza iyi seçilmiş örnekler eklemek (few-shot prompting), çıktı kalitesini artırmanın en etkili tekniklerinden biridir. Few-shot prompting, modele prompt içinde gösterimler (demonstrations) sunarak daha iyi performans göstermesini sağlar ve yanıtını bu örneklerle koşullandırır . İdeal sayı genellikle 2–5 örnek arasındadır; araştırmalar, çok fazla örnek eklemenin getiriyi azaltabileceğini, hatta olumsuz sonuçlar doğurabileceğini gösteriyor .

Önemli Bulgular

• Örnekler doğruluğu çarpıcı biçimde artırır. Örneğin, Claude 3 Haiku modeli hiç örnek verilmediğinde %11 doğruluk yakalarken, sadece üç örnekle bu oran %75'e yükseldi — bu, çok daha büyük modellerin sıfır örnekli (zero-shot) performansına eşdeğer .
• 2–5 örnek araştırmalarla desteklenen optimum aralıktır. Prompt mühendisliği kılavuzları genellikle few-shot prompting için 2–5 örnek kullanılmasını önerir .
• Daha fazla her zaman daha iyi değildir. arXiv'de yayımlanan bir çalışma, "aşırı örnekleme" (over-prompting) sorununa dikkat çekiyor; çok fazla örnek model performansını düşürebiliyor, bu da "ne kadar çok o kadar iyi" varsayımını sorgulatıyor .
• Örnek kalitesi, sayısından daha önemlidir. Çeşitli, yüksek kaliteli ve iyi gruplandırılmış (stratified) örnekler, sadece sayıyı artırmaktan daha etkili olabilir. Tutarsız örnekler ise modele tutarsız kalıplar öğretebilir .
• Mantık gerektiren işlemlerde önce sıfır örnek deneyin. Her durumda örnek gerekli değildir; sıfır örnekli ile az örnekli yaklaşımları karşılaştırarak hangisinin daha iyi olduğunu test edin .

Pratik Öneriler

Senaryo	Önerilen Yaklaşım
Format hassasiyeti olan görevler (JSON, etiket, ton)	2–5 temiz ve çeşitli örnek kullanın; örnekler formatı, tonu ve etiketleri sabitleyebilir .
Standart metin üretimi / sınıflandırma	2–3 yüksek kaliteli örnekle başlayın; az sayıda gösterim modeli daha iyi performansa yönlendirebilir .
Mantık gerektiren ağır görevler	Önce sıfır örnekle başlayın; güçlü bir format kontrolüne ihtiyaç duyarsanız 1–2 örnek ekleyin ve örneklerin işe yarayıp yaramadığını test edin .
Karmaşık veri çıkarma görevleri	Görevi yakından yansıtan küçük bir temsili örnek seti kullanın .
Kararsız kaldığınızda	3 örnekle başlayın, test edin ve ayarlayın; 2–5 örnek yaygın olarak önerilen aralıktır ve çok fazla örnek aşırı örneklemeye yol açabilir .

Sonuç: Örnek kullanın, sayıyı 2–5 arasında tutun ve sayıdan çok kalite ile çeşitliliğe önem verin . Özellikle mantık gerektiren ağır görevlerde, sıfır örnekli ile az örnekli yaklaşımları karşılaştırarak modelinizin hangisinden daha iyi sonuç aldığını test edin .