Questão 1
Não respondida
~/questoes/inteligencia-artificial
Few shot é a técnica de fornecer múltiplos exemplos (geralmente 2 a 5) antes de solicitar a execução de uma tarefa. Isso permite que o modelo identifique padrões complexos e reproduza com precisão o estilo ou formato desejado, sendo especialmente eficaz para tarefas estruturadas como reformulação em tons específicos.
Few shot com múltiplos exemplos funciona porque cada exemplo adicional ajuda o modelo a entender melhor as nuances do tom desejado. Com vários casos de reformulação bem-executada, o padrão fica cristalino e o modelo consegue replicar consistentemente o estilo esperado em novos textos.
Ajuste fino do modelo inteiro é uma abordagem muito pesada e cara para este tipo de tarefa. Exige treinamento especializado e é desnecessário quando técnicas de prompting mais simples podem resolver o problema com eficiência.
Few shot com múltiplos exemplos é a escolha ideal porque permite que o modelo infera as regras de reformulação através de padrões concretos. Vários exemplos mostram variações de como o tom deve ser aplicado, deixando o padrão esperado completamente claro.
Zero shot com descrição longa funciona melhor para tarefas genéricas. Para reformulação em tons particulares, descrever o tom em palavras é menos eficaz que mostrar exemplos concretos de como o texto deve soar.
One shot com um único exemplo ajuda, mas é insuficiente para garantir consistência em reformulação de tons particulares. Um exemplo pode deixar dúvidas sobre nuances; múltiplos exemplos reforçam o padrão de forma muito mais robusta.