Ir para o conteúdo principal

Few-Shot Prompting

A ideia: Inclua pares de tradução verificados e de alta qualidade como exemplos em contexto para que o LLM aprenda os padrões, estilo e convenções da língua alvo por demonstração em vez de instrução.

:::info Este é um cookbook, não uma implementação finalizada Este guia esboça a abordagem e suas principais decisões de design. Adapte-o para seu par de idiomas e recursos disponíveis. :::

Quando Usar Isto​

  • Você tem um pequeno conjunto de traduções verificadas (até 5–10 pares de ouro ajudam)
  • Você quer que o LLM corresponda a um estilo ou registro específico por exemplo em vez de regra
  • Sua língua alvo tem padrões que são mais fáceis de mostrar do que descrever (ordem das palavras, padrões de afixação, marcadores de formalidade)

Como Funciona​

  1. Curar pares de exemplo — selecione traduções fonte→alvo de alta qualidade que demonstrem padrões-chave
  2. Formatar como exemplos em contexto — inclua-os no prompt do sistema ou do usuário antes da solicitação de tradução real
  3. Executar o harness — meça se os exemplos melhoram as métricas em relação ao zero-shot
  4. Iterar na seleção de exemplos — troque exemplos para cobrir diferentes modos de falha

Estrutura de Prompt de Exemplo​

You are translating English to Plains Cree (SRO orthography).

Examples of correct translations:
- "Hello" → "tânisi"
- "Thank you" → "kinanâskomitin"  
- "I am going home" → "nikîwân"
- "The children are playing" → "awâsisak mêtawêwak"

Now translate the following:
- "Welcome to the school"

Regra Crítica: Sem Contaminação de Dados de Avaliação​

:::danger NÃO use dados de avaliação como exemplos few-shot Se seus exemplos vêm do conjunto de dados de avaliação, seu método será desqualificado do leaderboard. Exemplos few-shot devem vir de fontes independentes — dicionários, livros didáticos, pares verificados pela comunidade ou um conjunto de desenvolvimento separado. O harness faz fingerprint do seu prompt exato; a contaminação é detectável. :::

Principais Decisões de Design​

Quantos exemplos? 3–8 é o ponto ideal. Menos dá ao LLM muito pouco sinal; mais consome a janela de contexto com retornos decrescentes.

Quais exemplos? Priorize diversidade em vez de dificuldade. Cubra diferentes estruturas de sentença, comprimentos de palavras e características gramaticais. Não agrupe exemplos em torno de um padrão.

Seleção estática vs. dinâmica? Exemplos estáticos são mais simples. Seleção dinâmica (escolher exemplos semelhantes à entrada atual) pode melhorar a qualidade, mas adiciona complexidade — considere modelos encadeados para a etapa de recuperação.

Prós e Contras​

✅ Poderoso para correspondência de estilo❌ Pequena janela de contexto limita a contagem de exemplos
✅ Sem treinamento necessário❌ Seleção de exemplos é uma arte, não uma ciência
✅ Funciona com qualquer LLM❌ Risco de contaminação de dados de avaliação (desqualificação)
✅ Fácil de fazer testes A/B com diferentes conjuntos de exemplos❌ Exemplos podem não generalizar para todos os tipos de entrada

Combina Bem Com​

Veja Também​