Bonne réponse
- BInclure un exemple few-shot du format JSON exact dans le prompt.
Explication
Inclure un exemple de type few-shot du format JSON exact dans le prompt fournit au modèle un modèle concret à suivre, ce qui constitue la méthode la plus fiable pour imposer une sortie structurée dans les modèles génératifs. Le prompting few-shot exploite l'apprentissage contextuel, où le modèle utilise l'exemple fourni pour déduire le schéma souhaité et les règles de formatage, réduisant ainsi l'ambiguïté et améliorant le respect de la structure JSON spécifiée.
Pour aller plus loin
Le prompting few-shot place un ou plusieurs exemples d'entrée-sortie directement dans le prompt, de sorte que le modèle se conditionne sur la structure démontrée et l'imite. Pour la sortie JSON, montrer un exemple complet avec les clés exactes, l'imbrication et les types de valeurs est beaucoup plus fiable qu'une simple instruction, car les grands modèles de langage sont des compléteurs de motifs et imitent le format qu'ils observent. Cela importe lorsque le code en aval analyse la réponse : une accolade manquante ou du texte supplémentaire brise l'analyseur. La température 0 réduit le caractère aléatoire de l'échantillonnage mais ne garantit pas la conformité au schéma, les séquences d'arrêt ne font que tronquer à un jeton, et une instruction système telle que 'Always output JSON' est plus faible qu'un exemple concret. Vertex AI propose également une génération contrôlée avec des schémas de réponse pour un respect plus strict.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement Generative AI Leader originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.