Uma empresa quer usar um LLM no Amazon Bedrock para classificar textos com sentimento positivo ou negativo. Qual técnica de prompt engineering é a mais apropriada?

A técnica mais apropriada é o few-shot prompting, que envolve fornecer ao LLM exemplos rotulados (trechos com sentimentos positivo ou negativo) antes de apresentar a tarefa real. Isso permite que o modelo aprenda o padrão desejado para a classificação de sentimento. Explicar o funcionamento da análise de sentimento ou dos LLMs é desnecessário e não melhora a performance. Enviar apenas o trecho sem contexto (zero-shot) pode funcionar, mas geralmente tem menor precisão do que o few-shot para tarefas específicas. Incluir exemplos não relacionados confunde o modelo, prejudicando a classificação.