~/questoes/inteligencia-artificial
Zero-Shot Prompting é quando você faz uma pergunta ao modelo sem fornecer exemplos prévios, enquanto Few-Shot Prompting fornece alguns exemplos de entrada e saída antes da pergunta real. A diferença está na quantidade de orientação que você dá ao modelo sobre o padrão esperado.
A alternativa D está correta porque captura a essência da diferença: Zero-Shot funciona sem exemplos (você apenas pergunta), enquanto Few-Shot fornece exemplos que guiam o modelo para entender melhor o que você espera. Essa orientação por exemplo melhora significativamente a precisão em tarefas específicas.
Incorreta. O tamanho do modelo não é o fator diferenciador entre Zero-Shot e Few-Shot. Ambas as técnicas funcionam com o mesmo modelo; a diferença está em como você estrutura o prompt, não no modelo utilizado.
Incorreta. Zero-Shot não se limita apenas a tradução, e Few-Shot não se restringe a análises complexas. Ambas as técnicas podem ser usadas para praticamente qualquer tarefa. A diferença não está no tipo de tarefa, mas na presença ou ausência de exemplos.
Incorreta. Embora Zero-Shot seja mais rápido (porque você não precisa fornecer exemplos), a afirmação de que Few-Shot é 'mais preciso em todos os casos' é exagerada. Few-Shot geralmente é mais preciso, mas a velocidade não é o critério principal de diferenciação.
Correta. Esta alternativa define com precisão a diferença fundamental: Zero-Shot faz perguntas sem exemplos prévios, enquanto Few-Shot fornece exemplos de entrada e saída esperada antes da pergunta. Essa é a distinção central entre as duas técnicas.