AI Engineering Academy · पाठ

ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग

मॉडल से सीधे पूछने और उदाहरण देने के बीच का अंतर समझें तथा जानें कि वर्गीकरण, डेटा निष्कर्षण और निर्माण कार्यों में किस स्थिति में कौन-सा तरीका बेहतर परिणाम देता है।

पाठ 1, कुल 4 में से13 चरण

ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग, CoddyKit पर AI Engineering Academy का एक निःशुल्क पाठ है। यह 4 में से 1वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह AI Engineering Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। AI Engineering Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

Zero-Shot Prompting क्या है

Zero-shot prompting का अर्थ है मॉडल को किसी कार्य को करने के लिए कहना, बिना यह बताए कि उसे कैसे करना है, अर्थात बिना कोई उदाहरण दिए। आप केवल कार्य का वर्णन करते हैं और मॉडल को अपने पूर्व-प्रशिक्षित ज्ञान का उपयोग करने देते हैं। यह उन कार्यों के लिए अच्छी तरह काम करता है, जिन्हें मॉडल ने प्रशिक्षण के दौरान कई बार देखा हो, जैसे अनुवाद, संक्षेपण या सरल वर्गीकरण।

उदाहरण के लिए, मॉडल से इस समीक्षा को Positive या Negative के रूप में वर्गीकृत करें कहना zero-shot प्रॉम्प्ट है। मॉडल ने पूर्व-प्रशिक्षण के दौरान भावना-वर्गीकरण के हजारों उदाहरण सीखे हैं, इसलिए वह प्रॉम्प्ट में उदाहरण दिखाए बिना भी यह कार्य कर सकता है।

एक सरल Zero-Shot उदाहरण

Zero-shot प्रॉम्प्ट संक्षिप्त होते हैं और मॉडल के अंतर्निहित ज्ञान पर निर्भर करते हैं। जब कार्य सामान्य और स्पष्ट हो, तब वे सबसे अच्छा काम करते हैं। ध्यान दें कि नीचे दिया गया प्रॉम्प्ट सही आउटपुट के उदाहरण दिखाए बिना कार्य को स्पष्ट रूप से परिभाषित करता है।

import openai

client = openai.OpenAI()

prompt = 'Classify the sentiment of the following customer review.\nRespond with only one word: Positive, Negative, or Neutral.\n\nReview: The delivery was fast but the packaging was damaged.\n\nSentiment:'

response = client.chat.completions.create(
    model='gpt-4o-mini',
    messages=[{'role': 'user', 'content': prompt}],
    max_tokens=5
)
print(response.choices[0].message.content)  # Expected: Negative

Zero-Shot कब कम प्रभावी होता है

Zero-shot prompting तब विफल हो सकता है, जब कार्य का प्रारूप असामान्य हो, मॉडल को किसी असामान्य आउटपुट स्कीमा का पालन करना हो या आपको ऐसा सुसंगत प्रारूप चाहिए हो, जिसकी मॉडल हर बार अलग तरह से व्याख्या कर सकता है। मॉडल से कस्टम फ़ील्ड नामों वाली बहुत विशिष्ट JSON संरचना में डेटा निकालने को कहना zero-shot प्रॉम्प्ट के रूप में जोखिमपूर्ण है, क्योंकि मॉडल को आपके सटीक आशय का अनुमान लगाना पड़ता है।

Zero-shot को क्षेत्र-विशिष्ट शब्दावली या ऐसे विशिष्ट वर्गीकरण समूहों के साथ भी कठिनाई होती है, जिनका सामना मॉडल ने पूर्व-प्रशिक्षण के दौरान अक्सर नहीं किया हो। ऐसे मामलों में उदाहरण देने से सटीकता में बहुत सुधार होता है।

Few-Shot Prompting क्या है

कुछ-उदाहरण प्रॉम्प्टिंग का अर्थ है कि वास्तविक प्रश्न प्रस्तुत करने से पहले मॉडल को कार्य के 2-8 उदाहरण (इनपुट और अपेक्षित आउटपुट) दिए जाएँ। ये उदाहरण मॉडल को आपके इच्छित सटीक प्रारूप और वर्गीकरण योजना को समझने में सिखाते हैं, और इसके लिए किसी विशेष सूक्ष्म-समायोजन या प्रशिक्षण की आवश्यकता नहीं होती।

यह प्रॉम्प्ट इंजीनियरिंग की सबसे शक्तिशाली और कम उपयोग की जाने वाली तकनीकों में से एक है। मॉडल उदाहरणों से पैटर्न का अनुमान लगाता है और उसे नए इनपुट पर लागू करता है। GPT-3 शोध-पत्र के शोध से पता चला कि अनेक कार्यों में प्रदर्शन उदाहरणों की संख्या के साथ लगभग 8 उदाहरणों तक उल्लेखनीय रूप से बढ़ता है; इसके बाद लाभ स्थिर हो जाते हैं और केवल टोकन व्यर्थ होते हैं।

कुछ-उदाहरण प्रॉम्प्ट की संरचना

कुछ-उदाहरण प्रॉम्प्ट एक सुसंगत पैटर्न का पालन करता है: N उदाहरणों को इनपुट-आउटपुट युग्मों के रूप में दिखाएँ, फिर नया इनपुट प्रस्तुत करें और मॉडल को आउटपुट पूरा करने दें। उदाहरणों का प्रारूप मॉडल को आपके अपेक्षित सटीक आउटपुट प्रारूप को सिखाता है।

import openai

client = openai.OpenAI()

prompt = ('Extract the product name and price from each sentence.\n'
          'Respond in the format: Product: <name> | Price: <price>\n\n'
          'Sentence: The blue headphones cost $79.99.\n'
          'Product: Blue Headphones | Price: $79.99\n\n'
          'Sentence: You can get the leather wallet for just $34.\n'
          'Product: Leather Wallet | Price: $34\n\n'
          'Sentence: Order the ergonomic keyboard for $129.99 today.\n')

response = client.chat.completions.create(
    model='gpt-4o-mini',
    messages=[{'role': 'user', 'content': prompt}],
    max_tokens=30
)
print(response.choices[0].message.content)

अच्छे कुछ-उदाहरण चुनना

आपके उदाहरणों की गुणवत्ता उनकी संख्या जितनी ही महत्वपूर्ण है। ऐसे उदाहरण चुनिए जो:

सीमांत स्थितियों को शामिल करें — अस्पष्ट इनपुट वाला एक उदाहरण शामिल करें, ताकि मॉडल देख सके कि आप चाहते हैं कि उसे कैसे संभाला जाए
आउटपुट के पूरे क्षेत्र को दर्शाएँ — यदि आपके पास तीन वर्ग हैं, तो प्रत्येक का कम-से-कम एक उदाहरण शामिल करें
प्रतिनिधि हों — वास्तविक उत्पादन इनपुट की शैली और जटिलता से मिलते-जुलते उदाहरणों का उपयोग करें
प्रारूप में सुसंगत हों — आपके उदाहरणों में प्रारूप की कोई भी असंगति मॉडल के आउटपुट में भी आ जाएगी

खराब तरीके से चुने गए उदाहरण कार्य के डेटा-वितरण के बारे में मॉडल को गुमराह करके प्रदर्शन को वास्तव में नुकसान पहुँचा सकते हैं।

शून्य-उदाहरण बनाम कुछ-उदाहरण: किसका उपयोग करें

शून्य-उदाहरण का उपयोग तब करें जब कार्य सामान्य और अच्छी तरह परिभाषित हो, आप न्यूनतम टोकन लागत चाहते हों, या आप तेज़ी से बदलाव कर रहे हों और अभी उदाहरण एकत्र करना कठिन हो। जब मॉडल के सामान्य ज्ञान को उदाहरणों से सीमित नहीं किया जाना चाहिए, तब भी शून्य-उदाहरण बेहतर विकल्प है।

कुछ-उदाहरण का उपयोग तब करें जब आउटपुट प्रारूप असामान्य या सख्त हो, आपके पास क्षेत्र-विशिष्ट श्रेणियाँ हों, शून्य-उदाहरण से प्रारूप असंगत मिलता हो, या आपको मॉडल से किसी विशेष शैली या लहजे का लगातार पालन करवाना हो। कुछ-उदाहरण विशेष रूप से निष्कर्षण, classification, और प्रारूप-प्रतिबंधों के साथ निर्माण के लिए प्रभावी हैं।

वर्गीकरण कार्यों के लिए कुछ-उदाहरण

कुछ-उदाहरण प्रॉम्प्टिंग के सबसे अधिक मूल्यवान उपयोगों में से एक वर्गीकरण है। जब आपके कस्टम लेबल सामान्य श्रेणियों से मेल नहीं खाते, तब उदाहरण देने से मॉडल आपकी वर्गीकरण-व्यवस्था सीखता है। नीचे दिए गए उदाहरण ठीक-ठीक परिभाषित करते हैं कि सहायता-टिकटों के संदर्भ में Bug, Feature Request और Question का क्या अर्थ है।

import openai

client = openai.OpenAI()

prompt = ('Classify the support ticket into: Bug, Feature Request, or Question.\n\n'
          'Ticket: The login button does nothing when I click it.\n'
          'Category: Bug\n\n'
          'Ticket: Can you add dark mode to the dashboard?\n'
          'Category: Feature Request\n\n'
          'Ticket: How do I export my data to CSV?\n'
          'Category: Question\n\n'
          'Ticket: The export button crashes the app every time.\n'
          'Category:')

response = client.chat.completions.create(
    model='gpt-4o-mini',
    messages=[{'role': 'user', 'content': prompt}],
    max_tokens=10
)
print(response.choices[0].message.content)  # Bug

एक-उदाहरण प्रॉम्प्टिंग

शून्य-उदाहरण और कुछ-उदाहरण के बीच एक-उदाहरण प्रॉम्प्टिंग आती है: इसमें ठीक एक उदाहरण दिया जाता है। यह अक्सर प्रारूप की समस्याएँ ठीक करने या अस्पष्ट कार्यों को स्पष्ट करने के लिए पर्याप्त होती है, और पूरे कुछ-उदाहरण प्रॉम्प्ट की तुलना में बहुत कम टोकन खर्च करती है। जब शून्य-उदाहरण से अविश्वसनीय परिणाम मिलें, तब एक-उदाहरण अच्छा पहला सुधारात्मक कदम है।

व्यवहार में, शून्य-उदाहरण से शुरुआत कीजिए, वास्तविक इनपुट के एक नमूने पर उसका मूल्यांकन कीजिए, और केवल वहीं उदाहरण जोड़िए जहाँ मॉडल असफल हो रहा हो। इससे आपके प्रॉम्प्ट संक्षिप्त और टोकन-कुशल रहते हैं तथा सुधार उन्हीं स्थानों पर केंद्रित होते हैं जहाँ उनका सबसे अधिक महत्व है।

गतिशील कुछ-उदाहरण चयन

उत्पादन प्रणालियों में, हर प्रश्न के लिए वही कुछ उदाहरण पहले से तय कर देना सर्वोत्तम नहीं होता। गतिशील कुछ-उदाहरण चयन एम्बेडिंग समानता का उपयोग करके लेबल किए गए उदाहरण-भंडार से वर्तमान इनपुट के सबसे समान उदाहरण प्राप्त करता है, और फिर केवल उन्हीं उदाहरणों को प्रॉम्प्ट में जोड़ता है।

इस तरह मॉडल को सामान्य उदाहरणों के बजाय विशिष्ट इनपुट के लिए सबसे प्रासंगिक प्रदर्शन हमेशा दिखाई देते हैं, जो इनपुट की शैली या क्षेत्र से मेल न भी खा सकते हैं। यह तकनीक कुछ-उदाहरण प्रॉम्प्टिंग के लाभों को पुनर्प्राप्ति प्रणाली की विस्तारशीलता के साथ जोड़ती है और इसे कभी-कभी उदाहरण-आधारित पुनर्प्राप्ति-संवर्धित प्रॉम्प्टिंग कहा जाता है।

कुछ-उदाहरण प्रॉम्प्ट में प्रारूप प्रतिबंध

संरचित आउटपुट या JSON मोड उपलब्ध होने से पहले सख्त आउटपुट प्रारूप लागू करने का सबसे विश्वसनीय तरीका कुछ-उदाहरण प्रॉम्प्टिंग है। मॉडल को आपके अपेक्षित सटीक प्रारूप — जिसमें फ़ील्ड नाम, विभाजक और क्रम शामिल हैं — दिखाने से पार्स किए जा सकने वाले आउटपुट की संभावना बहुत बढ़ जाती है।

अपने कुछ-उदाहरण प्रॉम्प्ट का अंत हमेशा अपेक्षित आउटपुट पैटर्न की शुरुआत से करें (जैसे, JSON ऑब्जेक्ट का खुला ब्रेस या पहला फ़ील्ड नाम)। इससे मॉडल को पैटर्न जारी रखने के लिए तैयार किया जाता है, बजाय इसके कि वह पहले कार्य का सारांश या टिप्पणी करने लगे।

त्वरित जाँच

इस पाठ से AI इंजीनियरिंग की अवधारणाओं की अपनी समझ जाँचिए।

इंटरैक्टिव पाठ में इसका उत्तर दें

पाठ का पुनरावलोकन

इस पाठ में आपने सीखा: शून्य-उदाहरण प्रॉम्प्टिंग मॉडल से केवल विवरण के आधार पर कार्य करवाती है, कुछ-उदाहरण प्रॉम्प्टिंग प्रारूप और वर्गीकरण-व्यवस्था सिखाने के लिए इनपुट-आउटपुट के 2-8 उदाहरण देती है, और गतिशील कुछ-उदाहरण चयन एम्बेडिंग समानता का उपयोग करके प्रत्येक प्रश्न के लिए सबसे प्रासंगिक उदाहरण प्राप्त करता है। आगे हम जटिल तर्क वाले कार्यों के लिए विचार-श्रृंखला प्रॉम्प्टिंग का अध्ययन करेंगे।

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 30
पाठ: 120

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग” पाठ निःशुल्क है?

हाँ—“ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और AI Engineering Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। AI Engineering Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग” में मैं क्या सीखूँगा?

मॉडल से सीधे पूछने और उदाहरण देने के बीच का अंतर समझें तथा जानें कि वर्गीकरण, डेटा निष्कर्षण और निर्माण कार्यों में किस स्थिति में कौन-सा तरीका बेहतर परिणाम देता है। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ AI Engineering Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या AI Engineering Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर AI Engineering Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 1वाँ पाठ है।

“ज़ीरो-शॉट और फ़्यू-शॉट प्रॉम्प्टिंग” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस AI Engineering Academy पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर AI Engineering Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← AI Engineering Academy पर वापस जाएँ