Een bedrijf wil een LLM op Amazon Bedrock gebruiken om tekst te classificeren als positief of negatief sentiment. Welke prompt-engineeringtechniek is het meest geschikt?

De meest geschikte prompt-engineeringtechniek voor sentimentclassificatie is few-shot prompting, waarbij gelabelde voorbeelden worden opgenomen. Door het LLM enkele voorbeelden te geven van passages met hun bijbehorende sentiment (positief/negatief), leert het model het gewenste uitvoerformaat en de classificatieregels voor de taak. Dit verbetert de nauwkeurigheid van de classificatie van de nieuwe, ongeziene passage aanzienlijk. Een lange uitleg over LLM's of sentimentanalyse is inefficiënt en minder effectief dan concrete voorbeelden. Het indienen van alleen de passage (zero-shot) kan werken, maar is minder nauwkeurig dan few-shot prompting. Voorbeelden van niet-gerelateerde taken introduceren ruis en leiden het model af van de specifieke classificatietaak.