BroadRouter

فیو شاٹ پرامپٹنگ (few-shot prompting)

اپ ڈیٹ

فیو شاٹ پرامپٹنگ وہ تکنیک ہے جس میں پرامپٹ اصل ان پٹ سے پہلے ان پٹ اور آؤٹ پٹ کی چند حل شدہ مثالیں دیتا ہے، تاکہ لینگویج ماڈل ان سے کام اور فارمیٹ سمجھ لے۔ ماڈل کے ویٹس نہیں بدلتے؛ زیرو شاٹ میں کوئی مثال نہیں ہوتی اور ون شاٹ میں ایک۔

دوسرے نام: فیو شاٹ پرامپٹنگ، مثالوں والا پرامپٹ، few shot prompting kya hai، few-shot prompting، few-shot learning، multishot prompting، in-context examples، one-shot prompting

بتانے سے بہتر ہے دکھانا۔ چند مثالیں اکثر قواعد کے پورے پیراگراف سے جلدی فارمیٹ اور لہجہ ٹھیک کر دیتی ہیں۔

یہ کیسے کام کرتی ہے

Brown اور ساتھیوں کے GPT-3 مقالے نے یہ اصطلاح عام کی۔ اس نے 175 ارب پیرامیٹرز والے ماڈل کو ایسے کاموں پر ٹیسٹ کیا جو “specified purely via text interaction with the model” (ترجمہ: مکمل طور پر ماڈل کے ساتھ متنی تعامل کے ذریعے بتائے گئے) تھے، بغیر گریڈیئنٹ اپ ڈیٹس یا فائن ٹیوننگ کے، اور پایا کہ ماڈل کا سائز بڑھنے کے ساتھ فیو شاٹ کارکردگی نمایاں طور پر بہتر ہوئی۔ مقالہ تین سیٹنگز بیان کرتا ہے:

سیٹنگ پرامپٹ میں مثالیں
زیرو شاٹ (zero-shot) کوئی نہیں، صرف ایک ہدایت
ون شاٹ (one-shot) ایک
فیو شاٹ (few-shot) کئی، کانٹیکسٹ ونڈو کی حد تک

سپورٹ ٹکٹس پر لیبل لگانے کا فیو شاٹ پرامپٹ کچھ یوں ہو سکتا ہے:

Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->

ماڈل پیٹرن کو آگے بڑھاتا ہے۔ Anthropic کی گائیڈ مثالوں کو فارمیٹ، لہجے اور ساخت کو “one of the most reliable ways to steer” (ترجمہ: سمت دینے کے سب سے قابلِ بھروسہ طریقوں میں سے ایک) کہتی ہے، اور کہتی ہے کہ وہ متعلقہ، متنوع اور ٹیگز میں لپٹی ہوں، تاکہ ماڈل انہیں ہدایات سے الگ پہچان سکے۔

یہ کیوں اہم ہے

  • فارمیٹ پر کنٹرول۔ مثالیں وہ ایج کیسز دکھاتی ہیں جو قواعد سے چھوٹ جاتے ہیں، جیسے خالی فیلڈ کیسے لکھیں۔ سخت JSON کے لیے انہیں اسٹرکچرڈ آؤٹ پٹ کے ساتھ جوڑیں۔
  • لاگت۔ ہر مثال ہر کال پر ان پٹ کے طور پر دوبارہ بھیجی جاتی ہے۔ 200 ٹوکن کی پانچ مثالیں ہر درخواست میں 1,000 ٹوکن بڑھاتی ہیں۔ مقررہ پریفکس میں رکھنے پر ان کا بل کیش شدہ ان پٹ ٹوکنز کے طور پر بن سکتا ہے۔
  • ریزننگ۔ جو مثالیں صرف جواب نہیں بلکہ مراحل بھی دکھاتی ہیں، وہ چین آف تھاٹ پرامپٹنگ ہیں۔
  • کب رکیں۔ اگر سینکڑوں مثالیں چاہییں تو انہیں ہر بار بھیجنے کے بجائے فائن ٹیوننگ فی کال سستی پڑ سکتی ہے۔

BroadNet Inference پر

فیو شاٹ پرامپٹنگ کے لیے کسی خاص API فیچر کی ضرورت نہیں؛ یہ messages میں سادہ متن ہے۔ BroadNet usage میں cached_tokens بتاتا ہے، اس لیے آپ دیکھ سکتے ہیں کہ آپ کا مثالوں والا بلاک کیش سے پڑھا جا رہا ہے یا نہیں۔ PAYG کلید پر کیش شدہ قیمت ان پٹ قیمت سے کم ہے؛ DeepSeek V4.1 Flash پر یہ فی 1M ٹوکن $0.0055 ہے، جبکہ ان پٹ $0.175۔ عربی کاموں کے لیے عربی پرامپٹ انجینئرنگ دیکھیں، اور مثالوں کے ساتھ دستاویزات سے ڈیٹا نکالنے کے لیے عربی انوائس گائیڈ۔

عام غلطیاں

  • ایسی مثالیں دینا جن سب کا لیبل یا لمبائی ایک جیسی ہو۔ ماڈل وہی جھکاؤ نقل کر لیتا ہے۔
  • ہر درخواست میں مثالیں بدلتے رہنا۔ اس سے کیش شدہ پریفکس ٹوٹتا ہے اور نتائج کا موازنہ مشکل ہوتا ہے۔

عام سوالات

فیو شاٹ پرامپٹ میں کتنی مثالیں ہونی چاہییں؟

Anthropic بہترین نتائج کے لیے 3 سے 5 تجویز کرتا ہے۔ زیادہ مثالیں ہر کال پر زیادہ ان پٹ ٹوکن خرچ کرتی ہیں، اس لیے جب معیار بہتر ہونا رک جائے تو انہیں شامل کرنا بند کر دیں۔

کیا فیو شاٹ پرامپٹنگ اور فائن ٹیوننگ ایک ہی چیز ہے؟

نہیں۔ فیو شاٹ مثالیں پرامپٹ میں رہتی ہیں اور ہر درخواست میں دوبارہ بھیجی جاتی ہیں۔ فائن ٹیوننگ ماڈل کے ویٹس ایک بار بدل دیتی ہے، جس کے بعد مثالیں بھیجنے کی ضرورت نہیں رہتی۔

مثالیں سسٹم پرامپٹ میں رکھیں یا چیٹ کی باریوں کی شکل میں؟

دونوں چلتے ہیں۔ انہیں شروع کے قریب ایک مقررہ جگہ پر رکھیں، تاکہ وہ ایک مستحکم، کیش ہونے کے قابل پریفکس بنائیں۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں