AI901-Foundry#16
次の各シナリオに最も適した prompt engineering テクニックを選択してください。同じ選択肢を 2 回以上使用できます。
| ステートメント | 選択 |
|---|---|
メール分類 (3 カテゴリー) で出力フォーマットを統一し誤分類を最小化したい。 形式統一と精度向上を狙う分類タスクには 2〜5 件の例示で期待パターンを暗示する few-shot が定石です。 | |
シンプルな要約や言い換えタスクで、追加例示なしで指示文だけで処理させたい。 汎用 LLM の能力に依存できる単純タスクは zero-shot で十分で、プロンプト長 / コストを抑えられます。 | |
数学文章題や複数ステップの論理推論の精度を上げたい。 段階的推論を促す CoT は複雑な推論タスクで顕著に精度を向上させる Microsoft 推奨テクニックです。 |
解説
【正解マッチング】
| 判定対象 | 正解 |
|---|---|
| メール分類 | few-shot |
| シンプルな要約や言い換えタスクで、追加例示なしで指示文だけで処理させたい。 | zero-shot |
| 数学文章題や複数ステップの論理推論の精度を上げたい。 | Chain-of-Thought |
【各判定の詳細】
- 「メール分類」→ few-shot: 形式統一と精度向上を狙う分類タスクには 2〜5 件の例示で期待パターンを暗示する few-shot が定石です。
- 「シンプルな要約や言い換えタスクで、追加例示なしで指示文だけで処理させたい。」→ zero-shot: 汎用 LLM の能力に依存できる単純タスクは zero-shot で十分で、プロンプト長 / コストを抑えられます。
- 「数学文章題や複数ステップの論理推論の精度を上げたい。」→ Chain-of-Thought: 段階的推論を促す CoT は複雑な推論タスクで顕著に精度を向上させる Microsoft 推奨テクニックです。

コメント