Fogalomtár › Alapok

few-shot prompt

angolul: few-shot prompting

Olyan utasítás, amelyben néhány kidolgozott mintapéldát is mutatsz a mesterséges intelligenciának, hogy azok alapján ugyanolyan stílusban és formában oldja meg a feladatodat.

Érthetően

Képzeld el, hogy új kollégát tanítasz be. Mondhatod neki, hogy „írj udvarias válaszlevelet a panaszokra”, de sokkal biztosabb, ha a kezébe adsz három korábbi, jól sikerült levelet. Nem kell hosszan magyaráznod a hangnemet, a hosszúságot és a szerkezetet, mert a mintákból kiolvassa. A few-shot prompt ugyanez a nyelvi modellel: a kérés mellé két-három (ritkán tíz-húsz) példát is adsz.

Akkor a leghasznosabb, ha nehéz szavakba önteni, mit akarsz, de megmutatni könnyű: egy sajátos hangnemet, egy kötött táblázatformát, egy cégen belüli kategorizálást. A modell a példákból kikövetkezteti a szabályt, és a te új esetedre alkalmazza.

Ettől a modell nem tanul semmit tartósan. A példák csak az adott beszélgetésben hatnak, olyanok, mint egy puskacetli a dolgozat idejére. Ha új beszélgetést kezdesz, általában újra meg kell mutatnod őket.

Hogyan működik

1. Megfogalmazod a feladatot egy-két mondatban, például: „Sorold be az alábbi vásárlói véleményeket pozitív, semleges vagy negatív kategóriába.”
2. Mellé teszel néhány bemenet–kimenet párt: egy vélemény és a helyes címke, majd még egy, és még egy. Érdemes változatos példákat választani, hogy a ritkább eseteket is lefedjék.
3. A végére odaírod az új, megoldandó esetet ugyanabban a formában, csak a választ hagyod üresen.
4. A modell a teljes addigi szövegre, a példákra is építve fogalmazza meg a választ, ezért a példák mintázatát követi: ugyanabban a formában, hosszban és stílusban válaszol, ahogy a mintákban látta.
5. Ha az eredmény félrecsúszik, a példákon javítasz: kicseréled a félrevezetőt, hozzáadsz egy hiányzó esetet, vagy megváltoztatod a sorrendet.

Példa a mindennapokból

Kit érint

Gyakori félreértés

Korlátok és kockázatok

• A modell túlságosan is ragaszkodhat a mintákhoz: átveheti a példák témáját, szófordulatait vagy hosszát akkor is, ha az új esethez más illene.
• A rossz vagy egyoldalú példák rossz eredményt adnak: ha minden mintád pozitív vélemény, a modell hajlamos lesz mindent pozitívnak címkézni.
• A példák helyet foglalnak a modell véges munkamemóriájában (kontextusablakában), és fizetős használatnál minden kérésnél növelik a költséget.
• Ne másolj a példákba személyes adatot vagy üzleti titkot, mert azok ugyanúgy eljutnak az AI-szolgáltatóhoz, mint a kérésed többi része.

Hasonló, de nem ugyanaz

• Példa nélküli prompt (zero-shot prompt) – Ott csak leírod a feladatot, mintát nem adsz, a modell pedig pusztán az általános tudására támaszkodik.
• Finomhangolás – A finomhangolás jellemzően sok példával, további tanítással tartósan megváltoztatja a modell belső beállításait. A few-shot prompt csak az adott kérés idejére ad mintát.
• Gondolatmenet-lánc (chain-of-thought) – Az arra készteti a modellt, hogy lépésenként vezesse le a megoldást, míg a few-shot prompt kész mintákat mutat. A kettő kombinálható: a példák maguk is tartalmazhatják a levezetést.

Kapcsolódó fogalmak

Röviden a története

A „few-shot learning” kifejezés a gépi tanulásban régóta azt jelenti, hogy egy rendszer kevés példából tanul. A promptba írt példák módszere 2020-ban vált széles körben ismertté, amikor az OpenAI kutatói a GPT-3 modellt bemutató, „Language Models are Few-Shot Learners” című tanulmányukban megmutatták, hogy egy nagy nyelvi modell néhány minta alapján, újratanítás nélkül is sokféle feladatot megold.

Hol tart most

2026 végére a promptírás egyik alapfogása, a nagy AI-fejlesztők hivatalos útmutatói is ajánlják. A modellek ma már példa nélkül is sok mindent jól megoldanak, ezért a mintákat főleg a pontos formátum, a hangnem és a következetesség biztosítására használják. Az érvelő (reasoning) modelleknél a fejlesztők gyakran azt javasolják, hogy először példák nélkül próbálkozz, mert a túl sok minta ronthat is az eredményen.

Állapot: 2026. november

Más nevei

few-shot prompt · few-shot prompting · few-shot learning · few-shot tanulás · néhány példás prompt · példákkal segített prompt · multishot prompting · in-context learning

Források

• Brown et al.: Language Models are Few-Shot Learners (2020, arXiv)
• Wikipedia: Prompt engineering

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.