Prompting mit k Beispielen
Definition
k-Shot Prompting gibt einem Modell k Beispiele einer Aufgabe direkt im Prompt, bevor es den neuen Fall bearbeitet.
Die Beispiele zeigen Format, Zuordnung oder gewünschtes Verhalten im Kontext. Die Modellgewichte werden dadurch nicht dauerhaft verändert; k beschreibt nur die Anzahl der Demonstrationen.
Einfach erklärt
Wie vor einer Aufgabe k Musterlösungen zu zeigen, ohne das Modell neu zu trainieren.
Warum das im Alltag wichtig ist
Relevant für schnelle Anpassung von LLM-Ausgaben, besonders bei Format- oder Klassifikationsaufgaben.
Beispiel aus dem Mittelstand
Ein Supportassistent erhält fünf geprüfte Beispielantworten mit gewünschter Struktur und bearbeitet danach einen neuen Fall.
Grenzen und Fallstricke
- Beispiele als Training missverstehen; zu viele Beispiele ins Kontextfenster packen; sensible Beispiele verwenden; fehlerhafte Muster vervielfältigen.
Entstehung & Geschichte
Brown et al. zeigten 2020 mit GPT-3 breit beachtete Few-Shot-Leistungen, bei denen Beispiele ausschließlich im Kontext bereitgestellt wurden.
Anwendung im Mittelstand
- Mögliche Anwendungen: Klassifikation, strukturierte Antwortformate, Tonalität und Demonstration von Randfällen.
Häufige Fragen
Verändert k-Shot Prompting Modellgewichte?
Nein. Ist mehr k immer besser? Nein, Qualität, Diversität und Kontextbudget sind entscheidend.
Quellen
- Language Models are Few-Shot Learners · Brown et al. (2020), Language Models are Few-Shot Learners
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: