Llama 的少样本提示
您正在使用 Llama 模型将来自 Google 和 Yelp 的客户评论识别为 Positive 或 Negative。为确保每条评论的标签一致，您将设计一个包含 3 个示例的少样本提示。
以下是您希望提供给模型的示例：
- 我昨晚在这家店下单，体验很棒！ → Positive
- 我的订单延迟了超过一小时也没有任何更新。太让人失望了！ → Negative
- 食物品质一流。强烈推荐！ → Positive
本练习是课程的一部分
使用 Llama 3
练习说明
- 通过为给定的评论指定
Positive或Negative，补全少样本提示。 - 使用停止词
"Review"将提示发送给模型，这样模型只会对一条评论作答。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Complete the few-shot prompt
prompt="""Review 1: I ordered from this place last night, and I'm impressed!
Sentiment 1: ____,
Review 2: My order was delayed by over an hour without any updates. Disappointing!
Sentiment 2: ____,
Review 3: The food quality is top-notch. Highly recommend!
Sentiment 3: ____,
Review 4: Delicious food, and excellent customer service!
Sentiment 4:"""
# Send the prompt to the model with a stop word
output = llm(prompt, max_tokens=2, stop=["____"])
print(output['choices'][0]['text'])