FácilMúltipla escolha

Questão de prática de Generative AI Leader

Um desenvolvedor está usando o Vertex AI Studio para testar prompts para um modelo de geração de texto. Ele deseja que o modelo siga um formato de saída específico (JSON). Qual abordagem de engenharia de prompt é mais eficaz?

Escolha a melhor resposta.

Resposta correta

  • BIncluir um exemplo few-shot do formato JSON exato no prompt.

Explicação

Incluir um exemplo few-shot do formato JSON exato no prompt fornece ao modelo um padrão concreto a ser seguido, sendo este o método mais confiável para impor uma saída estruturada em modelos gerativos. O prompting few-shot aproveita o aprendizado em contexto, onde o modelo usa o exemplo fornecido para inferir o esquema desejado e as regras de formatação, reduzindo a ambiguidade e melhorando a adesão à estrutura JSON especificada.

Por que cada alternativa está certa ou errada

A

Incorreta

Definir sequências de parada como '}'.

As sequências de parada interrompem a geração em um token; definir '}' trunca a saída antes da chave de fechamento, produzindo um JSON inválido em vez de impor a estrutura. As sequências de parada servem para controlar o comprimento da resposta ou terminar em delimitadores. A formatação JSON confiável provém de decodificação restrita por esquema ou instruções explícitas de formato no prompt.

B

Correta

Incluir um exemplo few-shot do formato JSON exato no prompt.

O prompting few-shot fornece pares concretos de entrada e saída demonstrando o esquema JSON exato, de modo que o modelo deduz nomes de campos, aninhamento e tipos em vez de adivinhar. Isso restringe a geração à estrutura necessária de forma mais confiável do que descrever o formato apenas em prosa.

C

Incorreta

Definir a instrução do sistema como 'Always output JSON.'

Uma instrução de sistema afirmando 'Always output JSON' é uma instrução flexível que o modelo pode não seguir consistentemente, e não define nenhum esquema, portanto, campos e tipos permanecem sem restrições. Instruções de sistema servem para definir persona ou tom. A imposição da estrutura JSON requer um esquema de resposta ou configuração de saída estruturada.

D

Incorreta

Definir a temperatura como 0 para tornar a saída determinística.

A temperatura 0 torna a amostragem determinística, mas não restringe a saída à sintaxe JSON; o modelo ainda pode emitir prosa ou JSON malformado. A temperatura controla a aleatoriedade, útil para classificação ou extração reprodutível. Garantir o formato JSON requer decodificação restrita por esquema, e não parâmetros de amostragem.

Para se aprofundar

O prompting few-shot coloca um ou mais exemplares de entrada-saída diretamente no prompt, de modo que o modelo se condiciona à estrutura demonstrada e a espelha. Para a saída JSON, mostrar um exemplo completo com as chaves exatas, aninhamento e tipos de valor é muito mais confiável do que apenas uma instrução, porque grandes modelos de linguagem são completadores de padrões e imitam o formato que observam. Isso importa quando o código posterior analisa a resposta: uma chave faltando ou texto extra quebra o analisador. A temperatura 0 reduz a aleatoriedade da amostragem, mas não garante a conformidade com o esquema, sequências de parada apenas truncam em um token, e uma instrução de sistema como 'Always output JSON' é mais fraca do que um exemplo concreto. O Vertex AI também oferece geração controlada com esquemas de resposta para uma imposição mais rígida.

Sobre estas questões de prática

Esta é uma das questões de prática originais de Generative AI Leader da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.