Me gustaría presentaros las mejores técnicas de prompt engineering para que los profesores le puedan sacar el máximo partido a cualquier LLM o IA Generativa.
Ya sea ChatGPT, Copilot, Gemini, Mistral o Perplexity, estas técnicas se utilizan en cualquiera de esas inteligencias artificiales generativas.
Existen infinidad de técnicas, pero hoy os presento las más efectivas:
- Few shot prompting y One shot prompting: Se tratan de añadir un SOLO ejemplo (one shot) o VARIOS ejemplos (few shot) a la pregunta o instrucción
Por lo tanto, para obtener mejores respuestas, a la consulta que realizaremos, le añadimos la técnica avanzada de ONE SHOT PROMPTING, que es un ejemplo del resultado que queremos conseguir.
Cuando hablamos de FEW SHOT, se trata de la misma técnica que la anterior, pero en lugar de mostrarle UN SOLO EJEMPLO a la IA, le mostraremos 2 o más.
Cuantos más ejemplos se presenten, mejor será el resultado en la mayoría de los casos
Se trata de orientar al modelo a para obtener un mejor rendimiento.
- Zero shot prompting: Significa que realizamos nuestra consulta sin aportarle ningún ejemplo.
- Chain of Thought (COT): La idea principal de esta técnica es que le MOSTRAREMOS al LLM algunos ejemplos ( como lo hicimos con la anterior técnica – few shot prompting) y además le explicaremos el proceso de razonamiento
Al responder al prompt, el LLM también mostrará su proceso de razonamiento
Esta técnica de explicación del razonamiento a menudo conduce a resultados mucho más precisos.
- Zero shot COT: En cuanto esta técnica de ZERO shot, se trata de añadir simplemente alguna instrucción del tipo : Vamos a pensar/relfexionar sobre esto, PASO A PASO.
