Zero-Shot vs. Few-Shot (Die Kraft weniger Beispiele)
Vergleich zweier grundlegender Prompting-Techniken. Zero-Shot ist eine direkte Anfrage ohne Beispiele. Few-Shot übergibt dem Modell mehrere Muster der gewünschten Antwort vor der Aufgabenerfüllung, um Format und Tonfall präzise zu kalibrieren.
1. Überblick über das Konzept und den Zweck
Wenn Einsteiger versuchen, von einer KI ein spezifisches Format zu erhalten (z. B. kurze Bewertungen mit der Punktzahl in Klammern), neigen sie dazu, lange Erklärungen zu verfassen: „Bitte analysiere die Bewertung, schreibe nichts Überflüssiges, gib zwingend eine Bewertung von 1 bis 5 in runden Klammern an und formuliere danach einen Satz...“. Oft ignoriert das Modell daraufhin die Hälfte der Regeln.
Im Prompt Engineering gilt eine einfache Regel: Einmal ein Muster zeigen ist besser als zehnmal Regeln erklären.
- Zero-Shot (Direkte Anfrage): Sie geben die Aufgabe direkt vor und verlassen sich auf das allgemeine Wissen des Modells.
- Few-Shot (Anfrage mit Beispielen): Sie liefern dem Modell 2–3 Beispiele für perfekte Ergebnisse, bevor Sie die eigentliche Aufgabe stellen.
2. Praxisvergleich: Zero-Shot vs. Few-Shot
┌─────────────────────────────────────────────────────────────┐
│ ЯК ВИГЛЯДАЄ FEW-SHOT ПРОМПТ │
├─────────────────────────────────────────────────────────────┤
│ ❌ Слабкий Zero-Shot промпт: │
│ «Класифікуй цей відгук: Дуже смачна кава, але офіціант │
│ довго ніс чек». │
│ (Модель може відповісти довгим абзацом із міркуваннями) │
├─────────────────────────────────────────────────────────────┤
│ ✅ Еталонний Few-Shot промпт (із 2 прикладами): │
│ │
│ Приклад 1: │
│ Вхід: «Піца була холодна, більше не прийду» │
│ Настрій: Негативний (Оцінка: 1/5) │
│ │
│ Приклад 2: │
│ Вхід: «Швидка доставка і привітний кур'єр» │
│ Настрій: Позитивний (Оцінка: 5/5) │
│ │
│ Тепер твоя черга: │
│ Вхід: «Дуже смачна кава, але офіціант довго ніс чек» │
│ Настрій: │
│ │
│ ➔ Модель бездоганно видасть: Змішаний (Оцінка: 3/5) │
└─────────────────────────────────────────────────────────────┘
3. Praktische Anwendungsfelder für Few-Shot
01. Formatierung von Adressen oder Telefonnummern
Wenn heterogene Excel-Einträge in ein einheitliches Format gebracht werden sollen:
Eingabe: 097-123-45-67 ➔ Ausgabe: +38 (097) 123-45-67 Eingabe: 380509998877 ➔ Ausgabe: +38 (050) 999-88-77 Eingabe: 063 111 22 33 ➔ Ausgabe: [Das Modell übernimmt sofort das Muster]
02. Copywriting im spezifischen Autorenstil
Wenn Sie möchten, dass die KI Beiträge exakt in Ihrem Stil verfasst, geben Sie ihr zwei Ihrer besten Posts als Stilbeispiel:
„Hier ist Beispiel 1 meines Posts: [Text]. Hier ist Beispiel 2 meines Posts: [Text]. Schreibe nun einen neuen Post zum Thema Cybersicherheit im exakt gleichen Rhythmus und Stil.“
03. Extraktion komplexer Daten in Tabellenform
Zeigen Sie ein Beispiel dafür, wie aus einem rohen juristischen Schreiben eine Tabellenzeile (Vertragsnummer, Datum, Schuldbetrag) extrahiert wird. Das Modell verarbeitet die folgenden 50 Briefe fehlerfrei nach diesem Template.
FAQ: Zero-Shot vs. Few-Shot (Die Kraft weniger Beispiele)
Verwandte Begriffe
Few-Shot-Prompting (In-Context Learning)
Eine Methodologie des Prompt Engineerings, bei der sich das Modell direkt während der Inferenz (In-Context Learning) an ein spezifisches Format, einen Stil oder eine Logik anpasst, indem es 2–5 Referenzbeispiele erhält.
Zero-Shot CoT vs. Dynamisches Reasoning
Die historische und praktische Entwicklung von Reasoning-Techniken: von der einfachen Phrase 'Let's think step by step' (Zero-Shot Chain-of-Thought) bis zum nativen hardwareseitigen Budgeting des Denkens in modernen Modellen.
Trennzeichen und XML-Tags (Strukturierung von Prompts)
Technik zur Gestaltung komplexer Prompts unter Verwendung von XML-Tags (<context>, <rules>) und dreifachen Anführungszeichen (\"\"\"). Hilft dem Modell, klar zu unterscheiden, wo Ihre Regel endet und der zu verarbeitende Text beginnt.