التعلم بطلقة واحدة مقابل التعلم بعدة طلقات: متى تعرض الأمثلة
Zero-shot يعني أنك تصف المهمة فقط. Few-shot يعني أنك تضع أيضا عددا من الأمثلة المحلولة قبل المدخلات الحقيقية. عادة ما يرفع Few-shot الجودة، لكنه يكلف tokens وتأخيرا في كل استدعاء، لذا هو قرار وليس رد فعل.
القاعدة التي تصمد في بيئة الإنتاج:
- إذا لم يكن لديك أمثلة لعرضها، فأنت تعمل بنظام zero-shot حسب التعريف. لا يوجد شيء لإضافته.
- إذا كانت المهمة تتطلب تنسيق مخرجات محدد (شكل JSON دقيق، أو مجموعة تسميات ثابتة)، فإن الأمثلة هي أرخص طريقة لتحديدها. استخدم أسلوب few-shot.
- إذا كانت المهمة عبارة عن fuzzy pattern يصعب على الوصف استيعابه (النبرة، تصنيف الحالات الحدية، الأسلوب)، فإن الأمثلة تعلمه بشكل أفضل من النصوص. استخدم طريقة few-shot.
- خلافاً لذلك، يكفي تعليمات واضحة. ابقَ zero-shot ووفر الـ tokens.
كتلة قليلة الأمثلة، من أجل الحدس، تقوم فقط بتكديس الأمثلة قبل الاستعلام:
Classify the sentiment.
Text: I love it -> positive
Text: total waste -> negative
Text: it is fine -> ?ستكتب decision layer التي تختار الاستراتيجية. ابنِ choose_strategy(task) حيث task هو dict يحتوي على n_examples_available (int)، وneeds_specific_format (bool)، وis_fuzzy_pattern (bool). أرجع السلسلة النصية "zero-shot" أو "few-shot".
الترتيب مهم: غياب الأمثلة يعني دائماً zero-shot، حتى لو كانت العلامات الأخرى صحيحة، لأنه ليس لديك حرفياً ما تعرضه. فقط عندما توجد أمثلة تدفعك علامتا التنسيق والغموض إلى few-shot. اضغط Run للتصحيح.
اكتب choose_strategy(task) الذي يعيد "zero-shot" أو "few-shot" من قاموس بمفاتيح n_examples_available (int)، needs_specific_format (bool)، is_fuzzy_pattern (bool). إذا لم تكن هناك أمثلة متاحة، أعد دائماً "zero-shot". خلاف ذلك، أعد "few-shot" عندما تحتاج المهمة إلى تنسيق محدد أو تكون نمطاً غير دقيق، وأعد "zero-shot" عندما لا يكون كلاهما.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.