Un'azienda desidera utilizzare un LLM su Amazon Bedrock per classificare il testo come sentimento positivo o negativo. Qual è la tecnica di prompt engineering più appropriata?

L'inclusione di esempi etichettati (apprendimento few-shot) è la tecnica di prompt engineering più appropriata per la classificazione del sentiment. Fornire all'LLM esempi specifici di testo positivo e negativo con le relative etichette lo guida a comprendere il compito e a classificare accuratamente il nuovo input. Una lunga spiegazione del funzionamento degli LLM è inutile e non migliora la classificazione. Inviare solo il passaggio da classificare (zero-shot) potrebbe funzionare, ma è meno accurato del few-shot per compiti di classificazione specifici. Fornire esempi di attività non correlate confonderebbe l'LLM e