One-shot Prompting (Tek Örnekli İstem Verme)

Üretken yapay zekâ modelleri, yalnızca verilen talimatları değil, sunulan örnekleri de analiz ederek benzer çıktılar üretebilir. One-shot Prompting (Tek Örnekli İstem Verme), modele tam olarak bir adet örnek giriş–çıkış çifti gösterildikten sonra benzer bir görevi yerine getirmesinin istendiği istem tekniğidir. Bu yöntem, Zero-shot Prompting ile Few-shot Prompting arasında yer alır ve özellikle çıktı biçiminin, yazım tarzının veya sınıflandırma mantığının gösterilmesi gereken durumlarda etkili sonuçlar verir.

One-shot Prompting nedir?

One-shot Prompting, büyük dil modeline görevin nasıl yapılacağını anlatan tek bir örnek verildikten sonra yeni bir görevin çözülmesini isteme yöntemidir. Başka bir ifadeyle;

• Zero-shot Prompting → Hiç örnek verilmez.
• One-shot Prompting → Bir örnek verilir.
• Few-shot Prompting → Birden fazla örnek verilir.

Tek örnek, model için bir rehber görevi görür ve beklenen çıktı biçimini anlamasını kolaylaştırır.

Nasıl çalışır?

One-shot Prompting’de süreç şu şekilde ilerler:

1. Kullanıcı görevi tanımlar.
2. Beklenen çıktıyı gösteren tek bir örnek sunar.
3. Model bu örnekteki biçim ve kuralları analiz eder.
4. Aynı mantığı yeni girdiye uygular.
5. Benzer yapıda yeni bir çıktı üretir.

Model herhangi bir yeniden eğitim (fine-tuning) yapmaz; yalnızca istem içinde verilen örnekten yararlanarak görevin örüntüsünü çıkarır.

Basit örnek

Görev: Duygu analizi yap.

Örnek: Metin: “Bu film harikaydı.”
Duygu: Olumlu

Yeni görev: Metin: “Ürün beklediğim kadar iyi değildi.”

Model, tek örnekteki sınıflandırma biçimini öğrenerek ikinci metni de aynı formatta sınıflandırır.

Başlık oluşturma örneği

Örnek: Konu: Yapay zekâ
Başlık: Yapay Zekâ İş Dünyasını Nasıl Değiştiriyor?

Yeni görev: Konu: Dijital Pazarlama

Model, benzer başlık yapısını kullanarak yeni bir başlık üretir.

One-shot Prompting ne zaman kullanılmalıdır?

Bu yöntem özellikle şu durumlarda etkilidir:

• Belirli bir çıktı biçimi isteniyorsa
• Yazım tarzının korunması gerekiyorsa
• Sınıflandırma görevlerinde
• Etiketleme işlemlerinde
• Özetleme biçimini göstermek istendiğinde
• Belirli bir tablo veya rapor formatı kullanılacaksa
• Yapay zekânın tam olarak hangi düzeni izlemesi gerektiği açıklanmak isteniyorsa

Tek örnek çoğu zaman uzun açıklamalardan daha etkili olabilir.

One-shot Prompting nasıl hazırlanır?

1. Görevi açık tanımlayın: Örneğin: “Aşağıdaki ürün yorumlarını olumlu veya olumsuz olarak sınıflandır.”

2. Tek bir kaliteli örnek verin: Örnek, beklenen çıktı biçimini tam olarak göstermelidir. Ürün: “Kargo çok hızlı geldi.” Sonuç: Olumlu

3. Yeni görevi ekleyin: Ürün: “Ürün beklediğim gibi çıkmadı.” Sonuç: Model örnekteki yapıyı takip ederek yeni cevabı oluşturacaktır.

4. Gerekiyorsa çıktı biçimini belirtin: Örneğin: “Yalnızca ‘Olumlu’ veya ‘Olumsuz’ yaz.” Bu tür kısıtlamalar daha tutarlı sonuçlar alınmasına yardımcı olabilir.

Akademik örnek

Örnek

Başlık: Dijital Liderlik

Tanım: Dijital teknolojilerin etkin kullanımını sağlayan liderlik yaklaşımıdır.

Yeni görev

Başlık: Yapay Zekâ Liderliği

Model, aynı açıklama biçimini kullanarak ikinci kavramı tanımlar.

One-shot Prompting ile Zero-shot Prompting arasındaki fark

One-shot Prompting ile Few-shot Prompting arasındaki fark

Avantajları

• Çıktı biçimini açıkça gösterir.
• Zero-shot’a göre daha tutarlı sonuçlar verebilir.
• Hazırlanması kolaydır.
• Az sayıda token kullanır.
• Standart format gerektiren görevlerde etkilidir.
• Yazım tarzını ve şablonu kolayca aktarabilir.

Dezavantajları

• Tek örnek her durumu temsil etmeyebilir.
• Yanlış hazırlanmış örnek modeli hatalı yönlendirebilir.
• Çok karmaşık görevlerde yeterli olmayabilir.
• Örnekteki hatalar yeni çıktılara da yansıyabilir.

En iyi uygulamalar

One-shot Prompting kullanırken şu öneriler dikkate alınmalıdır:

• Örnek kısa fakat eksiksiz olmalıdır.
• Örnek, beklenen çıktı biçimini tam olarak göstermelidir.
• Görev açık biçimde tanımlanmalıdır.
• Gerekiyorsa çıktı uzunluğu belirtilmelidir.
• Birden fazla farklı durum varsa Few-shot Prompting tercih edilmelidir.
• Hatalı veya belirsiz örneklerden kaçınılmalıdır.

Örnek One-shot Prompt

Görev: Aşağıdaki metinleri duygu durumuna göre sınıflandır.

Örnek: Metin: “Hizmetten çok memnun kaldım.”
Sonuç: Olumlu

Yeni Metin: “Ürün geç geldi ve beklentimi karşılamadı.”
Sonuç:

Model, örnekteki sınıflandırma mantığını kullanarak yeni metni değerlendirecektir.

Sonuç

One-shot Prompting, büyük dil modellerine yalnızca tek bir örnek göstererek istenen çıktı biçimini öğretmeyi amaçlayan etkili bir istem tekniğidir. Zero-shot Prompting’e göre daha yönlendirici, Few-shot Prompting’e göre ise daha ekonomik bir yöntemdir. Özellikle belirli bir format, yazım stili veya sınıflandırma düzeni gerektiren görevlerde başarılı sonuçlar verir. Ancak tek örneğin tüm olası durumları temsil edemeyeceği unutulmamalı; görev karmaşıklaştığında Few-shot Prompting veya Prompt Zincirleme gibi tekniklerle desteklenmelidir.

İlgili Kavramlar: Zero-shot Prompting, Few-shot Prompting, Prompt Engineering, Prompt Design, Prompt Structure, Prompt Pattern, Chain-of-Thought Prompting, Large Language Model (LLM), ChatGPT

Kaynakça

Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1921.

Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1–35.

Sahoo, P., Singh, A. K., Saha, S., Jain, V., Mondal, S., & Chadha, A. (2024). A systematic survey of prompt engineering in large language models: Techniques and applications. arXiv.

Schulhoff, S., Ilie, M., Balepur, N., et al. (2024). The Prompt Report: A systematic survey of prompting techniques. arXiv.