Firma chce, aby LLM tworzył opisy produktów zgodne z określonym formatem przykładu. Która metoda inżynierii promptów pomaga modelowi uczyć się i tworzyć wyniki pasujące do tego formatu?

Promptowanie few-shot (few-shot prompting) jest najodpowiedniejszą metodą, ponieważ pozwala na dostarczenie modelowi kilku przykładów wejścia i odpowiadającego mu wyjścia, co umożliwia mu nauczenie się pożądanego formatu i stylu. W tym przypadku firma może dostarczyć kilka przykładów opisów produktów, które są zgodne z wymaganym formatem, a LLM następnie wygeneruje nowe opisy w podobnym stylu. Promptowanie zero-shot nie dostarcza żadnych przykładów, co utrudnia modelowi zrozumienie specyficznego formatu. Promptowanie one-shot dostarcza tylko jeden przykład, co może być niewystarczające do pełnego zrozumienia złożonego formatu. Promptowanie łańcucha myśli (chain-of-thought prompting) koncentruje się na procesie rozumowania, a nie na formatowaniu wyjścia.