Una empresa desea que un LLM produzca descripciones de productos que sigan un formato de ejemplo específico. ¿Qué método de ingeniería de prompts ayuda al modelo a aprender y producir resultados que coincidan con ese formato?

Few-shot prompting es la técnica más adecuada porque implica proporcionar al LLM algunos ejemplos de entrada y salida que demuestran el formato deseado. Esto permite que el modelo aprenda el patrón y genere descripciones de productos que se ajusten a ese formato específico. Zero-shot prompting no proporciona ningún ejemplo, por lo que el modelo tendría que adivinar el formato. One-shot prompting solo da un ejemplo, lo que podría no ser suficiente para que el modelo aprenda un formato complejo. Chain-of-thought prompting se centra en guiar el razonamiento del modelo, no en su formato de salida.