> For the complete documentation index, see [llms.txt](https://docs.tlic.cmu.ac.th/cmu-matthew-ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.tlic.cmu.ac.th/cmu-matthew-ai/use-cases/techniques/zero-shot-and-few-shot-prompting.md).

# Zero Shot and Few Shot Prompting

<mark style="color:red;">**Zero-shot prompting**</mark> <mark style="color:red;"></mark><mark style="color:red;">หมายถึงการให้คำสั่ง (prompt)</mark> <mark style="color:red;"></mark><mark style="color:red;">**โดยไม่มีตัวอย่างหรือการสาธิต**</mark> <mark style="color:red;"></mark><mark style="color:red;">ภายในคำสั่งนั้น โมเดลจะต้องทำงานหรือให้คำตอบตามคำสั่งที่ได้รับโดยไม่มีตัวอย่างเพิ่มเติมเพื่อช่วยนำทาง</mark>

> *"จำแนกข้อความเป็นกลาง (neutral), เชิงลบ (negative) หรือเชิงบวก (positive)"*\
> **ข้อความ:** *"ฉันคิดว่าการไปเที่ยวก็โอเคนะ"*\
> **ผลลัพธ์ที่ได้:** ???

**Few-shot Prompting** หมายถึง **การให้คำสั่ง (prompt) พร้อมตัวอย่างบางส่วน** เพื่อช่วยให้โมเดลเข้าใจบริบทและดำเนินการตามคำสั่งได้แม่นยำขึ้น

ต่างจาก **Zero-shot Prompting** ที่ไม่มีตัวอย่างเลย **Few-shot Prompting** จะให้ตัวอย่าง (demonstrations) ก่อนคำถามหรือคำสั่งจริง ซึ่งช่วยให้โมเดลเข้าใจรูปแบบของคำตอบที่ต้องการ

> ตัวอย่าง: ข้อความ: "ฉันมีวันที่ยอดเยี่ยมมาก!" → อารมณ์: บวก\
> ข้อความ: "ฉันรู้สึกแย่มากวันนี้" → อารมณ์: ลบ\
> ข้อความ: "มันเป็นวันธรรมดา ไม่มีอะไรพิเศษ" → อารมณ์: กลาง
>
> ตอนนี้วิเคราะห์อารมณ์ของข้อความต่อไปนี้:\
> ข้อความ: "ฉันตื่นเต้นกับการเดินทางสุดสัปดาห์นี้!"\
> อารมณ์: ???

{% hint style="success" %}
💡 **ข้อดีของ Few-shot Prompting:**\
✔ ช่วยให้โมเดลเข้าใจงานได้ดีขึ้น\
✔ ปรับปรุงความแม่นยำ โดยเฉพาะกับงานที่ซับซ้อน\
✔ ลดโอกาสเกิดข้อผิดพลาดจากการตีความผิดของโมเดล
{% endhint %}