One-shot & few-shot

Name1_1_ 电影分类 Goal将电影评论分类为正面、中性或负面。

模型gemini-pro

Review: "Her" is a disturbing study revealing the direction humanity is headed if AI is allowed to keep evolving, unchecked. I wish there were more movies like this masterpiece.

Sentiment:

输出积极

表 1. 零样本提示示例

当零样本提示无效时，可在提示中提供示范或示例，即 “ 单样本 ” 与 “ 少样本 ” 提示技术。通用提示 / 零样本

单样本与少样本

为 AI 模型设计提示时，提供示例有助于模型理解需求。当需要引导模型输出特定结构或模式时，示例尤为有效。

单样本提示会提供 single~ 个示例，因此得名。其核心是让模型通过模仿示例来完成任务。

少样本提示会向模型提供 multiple~ 个示例。该方法通过展示待遵循的模式，原理与单样本类似，但多示例能提升模型遵循目标模式的概率。

小样本提示所需的示例数量取决于几个因素，包括任务的复杂性、示例质量以及所用生成式 AI 模型的能力。一般而言，建议至少使用三到五个示例进行小样本提示。但对于更复杂的任务，可能需要更多示例；若受模型输入长度限制，则可能需要减少示例数量。

表 2 展示了一个小样本提示示例，我们将沿用之前的 gemini‑pro 模型配置设置，仅提高 token 限额以适应生成长响应需求。

Goal将披萨订单解析为 JSON

模型gemini-pro 温度n`x0np令牌限制250

Top‑K 采样Top‑P 采样

N/A1 提示词Parse a customer's pizza order into valid JSON:

EXAMPLE:

I want a small pizza with cheese, tomato sauce, and pepperoni.

JSON Response:

``` { "size": "small", "type": "normal"， "ingredients": [["cheese", "tomato sauce", "peperoni"]] } ``` 转下页 ...

提示EXAMPLE:

Can I get a large pizza with tomato sauce, basil and mozzarella

{ "size": "large", "type": "normal", "ingredients": [["tomato sauce", "bazel", "mozzarella"]] }

Now, I would like a large pizza, with the first half cheese and mozzarella. And the other tomato sauce, ham and pineapple.

JSON Response:

输出``` { "size": "large", "type": "half-half", "ingredients": [["cheese", "mozzarella"], ["tomato sauce", "ham", "pineapple"]] } ```

Table 2. An example of few-shot prompting

为提示词选择示例时，应选用与目标任务相关的案例。示例需具备多样性、高质量且表述严谨。

细微差错可能导致模型混淆，产生不理想的输出结果。

如果你试图生成对各种输入都具有鲁棒性的输出，那么在示例中包含边缘案例就非常重要。边缘案例是指那些不寻常或意外的输入，但模型仍应能够处理。