Un chatbot utilise un LLM Amazon Bedrock pour la détection d'intention et l'équipe prévoit d'appliquer l'apprentissage par quelques exemples (few-shot learning) pour améliorer la classification d'intention. Quelles données supplémentaires devraient-ils inclure dans les invites (prompts) pour prendre en charge la détection d'intention par quelques exemples ?

L'apprentissage par quelques exemples (few-shot learning) permet au LLM de généraliser à de nouvelles tâches avec un nombre minimal d'exemples. Pour la détection d'intention, cela signifie fournir au modèle des exemples de messages utilisateur et l'intention correcte associée. Ces paires "message utilisateur - intention" servent de démonstrations au modèle, lui montrant comment mapper un texte d'entrée à une intention spécifique. Les paires de réponses du chatbot et de leurs intentions utilisateur correctes ne sont pas pertinentes car la tâche est de détecter l'intention de l'utilisateur, pas de générer une réponse. Les paires de messages utilisateur et des réponses correctes du chatbot sont utiles pour la génération de réponses, mais pas pour la classification d'intention. Enfin, les paires d'intentions utilisateur et des réponses correctes du chatbot inversent la relation et ne fournissent pas au modèle les exemples nécessaires pour apprendre à classer les intentions à partir des messages.