少樣本提示 (Few-shot prompting) 和零樣本提示 (Zero-shot prompting) 都是提示工程中用來引導大型語言模型（LLM）完成任務的技術，但它們在運作方式和所需資訊上有所不同。
零樣本提示是指在沒有提供任何範例的情況下，直接給予語言模型指令，要求其完成任務。例如，直接詢問「請翻譯這句話成法文：Hello, world!」。模型完全依賴其預先訓練的知識來理解指令並產生回應。這種方法的優點是簡單快速，不需要額外準備資料。但缺點是，如果任務較為複雜或需要特定風格，模型的回應可能不夠精確或符合期望。
少樣本提示則是在提供指令的同時，也提供幾個範例，讓模型學習如何更好地完成任務。例如，如果希望模型將英文翻譯成法文，可以先提供幾個英法文句子對的範例，再要求模型翻譯新的句子。透過這些範例，模型可以學習翻譯的規則、風格和特定術語。少樣本提示的優點是能讓模型更快地理解使用者的意圖和偏好，並產生更精確、更符合期望的回應。但缺點是需要準備範例，增加了時間成本。
零樣本提示適用於簡單、常見的任務，例如基本翻譯、摘要或問答。少樣本提示則更適用於複雜、需要特定風格或專業知識的任務，例如撰寫特定風格的文章、生成創意內容或解決專業領域的問題。總體而言，少樣本提示在精確度和符合使用者期望方面通常優於零樣本提示，但需要額外的準備工作。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容