One-Shot Prompting

One-Shot Prompting bezeichnet einen Prompt, der genau ein Beispiel für die gewünschte Bearbeitung enthält. Google-Glossar Auf dieses vorgeführte Eingabe-Ausgabe-Paar folgt der neue Fall, den das Modell selbst lösen soll. Brown et al.: Language Models are Few-Shot Learners

Ein Muster macht Erwartungen sichtbar

Das einzelne Beispiel kann zeigen, wie eine Eingabe eingeordnet und in welchem Format die Antwort ausgegeben werden soll. Google-Glossar Zusätzlich darf der Prompt eine ausdrückliche Aufgabenbeschreibung enthalten; Beispiel und Anweisung schließen einander nicht aus. Brown et al.: Language Models are Few-Shot Learners

Der neue, noch ungelöste Fall wird nicht als zweites Demonstrationsbeispiel mitgezählt. Google-Glossar Ebenso steht „one“ nicht für nur eine Nachricht oder nur einen Gesprächsschritt, sondern für genau eine vorgeführte Lösung. Google-Glossar

Die Anpassung an dieses Muster erfolgt beim beschriebenen In-Context-Verfahren ohne ein Update der Modellgewichte. Brown et al.: Language Models are Few-Shot Learners Ein Beispiel in einem Prompt ist daher nicht mit dem Training eines neuen Modells an einem einzelnen Datensatz gleichzusetzen. Brown et al.: Language Models are Few-Shot Learners

So kannst du dir das vorstellen

Ein hypothetischer Prompt für die Vereinheitlichung kurzer Notizen könnte so aussehen:

Formuliere die Notiz als kurze Aufgabe.
Nutze das Format: Zuständig | Aufgabe

Beispiel:
Notiz: Jana kümmert sich um die fehlende Rechnung.
Ausgabe: Jana | Fehlende Rechnung anfordern

Neue Notiz: Omar fragt nach dem Liefertermin.
Ausgabe:

Das Beispiel zeigt sowohl das Trennzeichen als auch die Umformung in eine Tätigkeit. Die neue Notiz ist die eigentliche Aufgabe, nicht ein weiteres gelöstes Beispiel.

Für diesen selbst formulierten Entwurf müsste noch entschieden werden, was bei fehlender Zuständigkeit passieren soll. Ein einziges Muster kann diese Entscheidung nicht eindeutig zeigen.

Auswahl statt Zufall

Sinnvoll sind repräsentative Beispiele, die das gewünschte Verhalten tatsächlich verdeutlichen, statt wahllos viele Sonderfälle anzuhängen. Anthropic: Context Engineering Für One-Shot-Prompting heißt das praktisch: Das eine Beispiel sollte sorgfältig zu dem Verhalten passen, das du vermitteln möchtest.

Wenn mehrere deutlich unterschiedliche Fälle wichtig sind, kann Few-Shot Prompting verschiedene Muster nebeneinander zeigen. Google-Glossar Ob das bessere Antworten ergibt, sollte anschließend mit geeigneten Testfällen überprüft werden. OpenAI: Prompt Engineering

Verwandte Begriffe

Zero-Shot Prompting, Few-Shot Prompting, In-Context Learning, CARE, Canonical Examples, Prompt Engineering.