Ein Unternehmen hat einen Amazon Bedrock KI-Assistenten entwickelt, der Produkte vorschlägt, dessen Antworten aber oft generisch oder irrelevant sind. Welche Prompt-Engineering-Technik verbessert am ehesten die Relevanz der Antworten des Assistenten?

Few-Shot-Prompting ist am effektivsten, da es dem Modell durch die Bereitstellung von Beispielen für gewünschte Ein- und Ausgaben ermöglicht, die spezifische Aufgabe und den domänenspezifischen Kontext besser zu verstehen. Dies führt zu relevanteren und weniger generischen Antworten. Chain-of-Thought-Prompting ist zwar nützlich für komplexe Denkprozesse, aber das Überschreiben expliziter Domänenanweisungen ist kontraproduktiv für die Relevanz. Eine Änderung des Konversationsstils verbessert nicht direkt die Relevanz der Produktvorschläge. Zero-Shot-Prompting ist für die Verbesserung der Relevanz in diesem Szenario weniger geeignet, da es keine Beispiele oder spezifischen Kontext bereitstellt, die das Modell anleiten könnten.