~/questoes/inteligencia-artificial
A qualidade dos exemplos fornecidos impacta diretamente a eficácia das técnicas de prompt engineering. Um exemplo excelente e bem estruturado pode gerar resultados muito superiores a vários exemplos confusos ou incorretos, especialmente em one shot e few shot.
Um único exemplo excelente funciona melhor que múltiplos exemplos de má qualidade porque o modelo usa os exemplos como referência para entender padrões, tom e formato esperado. Exemplos ruins confundem o modelo e pioram a resposta final.
Exemplos mediocres e confusos causam impacto negativo maior em one shot e few shot, onde o modelo se baseia nesses exemplos para entender o padrão desejado. Em zero shot, não há exemplos, então não há impacto negativo deles.
A qualidade dos exemplos importa em qualquer tipo de tarefa: classificação, extração de dados, geração criativa, reformulação de textos. O problema de exemplos ruins é universal, não limitado apenas à classificação.
Zero shot realmente não usa exemplos, então a qualidade deles não afeta diretamente esse método. Porém, a alternativa erra porque a qualidade dos exemplos também não afeta one shot e few shot de forma igual – importa muito mais nesses casos.
Um exemplo excelente transmite mais informação ao modelo que vários exemplos confusos. O modelo aprende padrões, tom e formato a partir dos exemplos, então qualidade supera quantidade quando a qualidade é muito superior.