1
resposta

Engenharia de prompt - Comandos com e sem exemplos

Prompts Zero - Shot:

Aqui estão três exemplos de prompts zero-shot, onde o modelo recebe a tarefa e a executa sem exemplos prévios ou contexto adicional fornecendo respostas diretas:

  1. Classifique o seguinte texto como positivo, negativo ou neutro: "O filme foi incrível, adorei cada minuto!".

    Resposta:

    O texto é classificado como "positivo".

  2. Traduza a seguinte frase para o francês: "Eu gostaria de um café, por favor'."

    Resposta:

    A tradução para o francês é:

    "Je voudrais un café, s'il vous plaît."

  3. Resuma em uma frase o seguinte parágrafo: "A inteligência artificial está transformando indústrias ao automatizar processos, melhorar a eficiência e reduzir custos. Empresas de diversos setores estão adotando essa tecnologia para se manterem competitivas no mercado global".

    Resposta:

    "A inteligência artificial está revolucionando a competitividade no mercado global ao otimizar processos, reduzir custos e aumentar a eficiência industrial".


Prompt one - shot:

Aqui o LLM produz resultados para os mesmos prompts anteriores mas agora o modelo recebe um exemplo como entrada:

O produto é ótimo!

_ "positivo"

  1. Classifique o seguinte texto como positivo, negativo ou neutro: "A entrega atrasou e o produto veio danificado".

    Resposta:

    "negativo"

=====================

Bom dia

"bonjour"

  1. Traduza a seguinte frase para o francês: "Onde fica a estação de trem?"

    Resposta:

    "Où se trouve la gare ?"

=====================

A chuva forte causou inundações na cidade ontem.

_ "Chuva forte provocou inundações na cidade".

  1. Resuma em uma frase o seguinte parágrafo: "O relatório aponta que a empresa cresceu 20% no último trimestre, graças à expansão para novos mercados e ao lançamento de produtos inovadores."

    Resposta:

    _ "A empresa cresceu 20% no último trimestre devido à expansão e inovação".

=====================

Few - Shot:

Agora para cada um dos três prompts anteriores o LLM produz as respostas tendo alguns exemplos (few-shot) como entrada.

  • "Adorei o atendimento!" → positivo
  • "O produto não funcionou." → negativo
  • "O tempo está nublado." → neutro

Classifique os seguintes textos como positivo, negativo ou neutro:

  • "A comida estava deliciosa."
  • "O serviço foi lento e desorganizado."
  • "Hoje está frio."

Respostas:

  • "A comida estava deliciosa." → positivo
  • "O serviço foi lento e desorganizado." → negativo
  • "Hoje está frio." → neutro

=====================

  • "Obrigado" → Merci
  • "Como você está?" → Comment ça va ?
  • "Eu amo chocolate" → J'adore le chocolat

De acordo com os exemplos acima traduza as seguintes frases para o francês:

  • "Tenha um bom dia."
  • "Preciso de ajuda."
  • "Onde você mora?"

Respotas:

  • "Tenha um bom dia." → Passe une bonne journée.
  • "Preciso de ajuda." → J'ai besoin d'aide.
  • "Onde você mora?" → Où habites-tu ?

=====================

  • "O trânsito estava caótico hoje de manhã devido a um acidente na avenida principal." → O trânsito estava caótico hoje de manhã por causa de um acidente.
  • "A empresa anunciou um novo produto que promete revolucionar o mercado." → A empresa lançou um produto inovador para o mercado.
  • "Os alunos estudaram muito para a prova final." → Os alunos se prepararam para a prova final.

Resuma em uma frase os seguintes parágrafos:

  • "O estudo mostrou que a prática regular de exercícios físicos melhora a saúde mental e reduz o estresse."
  • "O governo anunciou um novo programa de incentivo à educação, com bolsas para estudantes de baixa renda."
  • "A cidade está investindo em energia solar para reduzir a emissão de carbono."

Respostas:

  • "O estudo mostrou que a prática regular de exercícios físicos melhora a saúde mental e reduz o estresse." → Praticar exercícios regularmente melhora a saúde mental e reduz o estresse.
  • "O governo anunciou um novo programa de incentivo à educação, com bolsas para estudantes de baixa renda." → O governo lançou um programa de bolsas para estudantes de baixa renda.
  • "A cidade está investindo em energia solar para reduzir a emissão de carbono." → A cidade investe em energia solar para reduzir emissões de carbono.
1 resposta

Oii Aristóteles, tudo bem?

Você cobriu muito bem os três níveis: zero-shot, one-shot e few-shot, aplicando cada abordagem em três contextos diferentes (classificação de sentimento, tradução e sumarização). A progressão ficou bem clara, especialmente na parte de few-shot, onde os exemplos múltiplos guiam o modelo de forma bastante precisa para o padrão esperado.

Conte com a Alura para evoluir seus estudos. Em caso de dúvidas, fico à disposição.

Bons estudos!

Sucesso

Imagem da comunidade