Chào mọi người!
Sau một thời gian bận rộn vì lý do cá nhân, hôm nay mình trở lại với ngày thứ 31 trong hành trình học Prompt Engineering, và chủ đề chính mình dành thời gian tìm hiểu là cách phân biệt và lựa chọn giữa Zero-shot và Few-shot, hai kỹ thuật cực kỳ quan trọng để tối ưu hiệu quả khi làm việc với AI.
Tiêu điểm ngày: Khi nào nên dùng Zero-shot, khi nào nên dùng Few-shot?
Đây đúng là một câu hỏi không đơn giản như mình nghĩ! Trước giờ mình cứ nghĩ chỉ đưa prompt vào thôi là xong, nhưng sự thật là phải cân nhắc nhiều yếu tố lắm nhé.
Ảnh: Minh họa sự khác biệt giữa Zero-shot và Few-shot Prompting trong AI – một bên không cần ví dụ, một bên học từ ví dụ.
Nội dung học hôm nay
Trước khi đưa ra quyết định khi nào nên dùng Zero-shot, khi nào nên dùng Few-shot, mình xin nhắc lại hai khái niệm này trước nhé!
Zero-shot Prompting là gì?
Đó là khi bạn ra lệnh cho AI mà KHÔNG CẦN cung cấp bất kỳ VÍ DỤ minh họa nào. Đúng vậy, bạn chỉ cần đưa ra yêu cầu một cách rõ ràng, và AI sẽ tự mình suy luận, đưa ra câu trả lời tốt nhất dựa trên lượng kiến thức khổng lồ mà nó đã được học.
Few-shot Prompting là gì?
Là khi bạn cung cấp cho AI một vài ví dụ mẫu, giống như bạn đang chỉ cho một đứa trẻ thông minh cách làm bài tập vậy. AI sẽ nhìn vào những ví dụ đó, ngẫm nghĩ và tự rút ra quy tắc, sau đó áp dụng để tạo ra câu trả lời cho yêu cầu của bạn.
Từ hai khái niệm trên. mình dành thời gian để phân tích sâu hơn về cách lựa chọn giữa Zero-shot và Few-shot dựa trên:
- Độ phức tạp của task: Nếu nhiệm vụ đơn giản, rõ ràng thì Zero-shot thường là lựa chọn dễ dàng và nhanh gọn. Ngược lại, với bài toán đòi hỏi phong cách hoặc định dạng đặc biệt thì Few-shot lại tỏ ra hiệu quả hơn.
- Yêu cầu về định dạng/phong cách: Ví dụ bạn muốn AI tạo lời thoại cho một kịch bản hài hước thì việc cho vài ví dụ (Few-shot) giúp AI bắt được mong muốn của bạn và viết hài hơn hẳn.
- Lượng dữ liệu mẫu có sẵn: Nếu bạn không có hoặc rất ít dữ liệu mẫu thì khó mà áp dụng Few-shot đúng cách, lúc đó Zero-shot là cứu cánh.
Ngoài ra, mình cũng đã tìm hiểu về mấy cạm bẫy khi sử dụng Few-shot, ví dụ như khi mẫu đưa vào không phù hợp, hoặc số lượng mẫu quá ít làm AI như Chatgpt học không đủ, hoặc quá nhiều lại khiến prompt rối.
Mình cũng tổng kết lại các kỹ thuật đã học đến giờ, từ cấu trúc prompt, nguyên tắc viết, khái niệm Role, điều chỉnh Temperature/Top-p cho đến Zero-shot và Few-shot.
Thực hành Prompt Hôm nay
Phần thực hành hôm nay hiếm có khó nhằn nhưng cực kỳ thú vị:
- Thực hành 1: Mình chọn 3-5 nhiệm vụ khác nhau, và với mỗi nhiệm vụ mình phải giải thích lí do chọn Zero-shot hay Few-shot, rồi viết prompt cho phù hợp.Ví dụ:
- Muốn AI tóm tắt một bài báo dài → Mình chọn Zero-shot vì đây là yêu cầu đơn giản, AI chỉ cần hiểu và trả lời ngắn gọn.
- Muốn AI tạo lời thoại cho kịch bản phim hài → Dĩ nhiên phải dùng Few-shot để AI học phong cách hài hước từ ví dụ mẫu.
- Thực hành 2: Tạo 1 prompt Zero-shot và 1 prompt Few-shot cho cùng một tác vụ rồi so sánh hiệu quả. Kết quả cho thấy mỗi cách đều có điểm mạnh riêng, và việc lựa chọn phụ thuộc vào mục tiêu cụ thể.
Bài Tập thực chiến
Bài 1: Chọn và lý giải
Mình chọn 4 task mình hay dùng nhất:
- Tóm tắt bài viết blog dài → Mình dùng Zero-shot Vì task này khá phổ thông, dễ suy luận. Prompt mình dùng là:
Tóm tắt bài viết sau thành 3 ý chính dễ hiểu: [Dán nội dung] - Viết email chăm sóc khách hàng kiểu nhẹ nhàng, lịch sự → Dùng Few-shot Mình đưa 2 ví dụ mẫu để AI bắt đúng tone thân thiện và không quá cứng.
- Viết đối thoại cho một đoạn kịch bản hài → Chắc chắn dùng Few-shot Vì phải “dẫn dắt” phong cách, nhịp thoại và tiếng cười nhẹ nhàng nữa!
- Viết caption Instagram cho ảnh sản phẩm macrame → Thử cả 2 kiểu
Bài 2: So sánh trực tiếp
Mình viết 1 prompt Zero-shot và 1 prompt Few-shot cho cùng task: Viết caption bán sản phẩm handmade
- Zero-shot
Viết caption Instagram cho sản phẩm macrame treo tường, giọng thân thiện.
👉 Kết quả khá ổn, nhưng giọng chưa “chạm tim”. - Few-shot
Mình đưa 2 ví dụ caption trước đó, yêu cầu viết theo tone tương tự.
👉 Kết quả: chuẩn chỉnh, đúng vibe Macrya luôn!
Rút ra: Nếu bạn cần AI đúng tone – đừng ngại Few-shot.
Học tiếng Anh chuyên ngành AI
Hôm nay mình học thêm một số từ vựng thú vị giúp mô tả tốt hơn quá trình làm việc với AI:
- Compare: so sánh
- Differentiate: phân biệt
- Optimal: tối ưu
- Scenario: kịch bản
- Approach: cách tiếp cận
| Từ | Nghĩa | Ví dụ |
|---|---|---|
| Compare | So sánh | We need to compare zero-shot and few-shot methods. |
| Differentiate | Phân biệt | How do you differentiate between these two approaches? |
| Optimal | Tối ưu | Choose the optimal prompting technique for your task. |
| Scenario | Kịch bản | Consider different scenarios when applying these techniques. |
| Approach | Cách tiếp cận | Each approach has its own benefits. |
Hôm nay mình học mấy từ này thông qua chính những tình huống mình thực hành. Đọc ví dụ + tự đặt 1 câu khác là mẹo giúp mình nhớ nhanh hơn!
Mình nghĩ việc hiểu và sử dụng đúng những từ này sẽ giúp mình vừa học Prompt Engineering vừa nâng cao tiếng Anh chuyên ngành hiệu quả hơn.
Trò chuyện cùng ChatGPT để luyện phản xạ
Sau đó mình có nói chuyện với ChatGPT về chủ đề Zero-shot và Few-shot, thử nghiệm hỏi đáp linh hoạt để làm quen với cách AI phản hồi và điều chỉnh prompt cho phù hợp hơn.
Mình hỏi:
“Giúp mình phân tích vì sao caption handmade thường cần Few-shot Prompting?”
ChatGPT trả lời rất logic và còn gợi ý thêm mấy tips cải thiện tone cảm xúc. Mình lưu luôn thành ghi chú!
Ghi chú và cảm nhận của mình
Qua ngày hôm nay mình nhận ra việc lựa chọn kỹ thuật Prompt không đơn giản chỉ là sở thích cá nhân, mà phải dựa trên mục tiêu cụ thể, đặc tính bài toán và dữ liệu sẵn có. Cảm giác như mình vừa được mở rộng “bộ công cụ” trong việc điều khiển AI hiệu quả hơn!
Mỗi ngày học, mình lại thấy mình giống một “nhà huấn luyện AI mini” hơn một người dùng thông thường. Việc lựa chọn giữa Zero-shot và Few-shot đôi khi không có đúng sai, mà là phù hợp hay chưa phù hợp.
Checklist hoàn thành hôm nay
- Học lý thuyết phân biệt Zero-shot vs Few-shot.
- Thực hành 4 task ứng dụng, giải thích và chọn kỹ thuật phù hợp.
- So sánh kết quả giữa Zero-shot và Few-shot cho cùng một tác vụ.
- Học 5 từ vựng chuyên ngành AI.
- Trò chuyện với ChatGPT về chủ đề học hôm nay.
Lời nhắn gửi
Nếu bạn cũng đang học Prompt Engineering hoặc đang tò mò về cách tối ưu làm việc với AI, đừng ngần ngại ghi lại hành trình của mình trên blog cá nhân nhé! Việc chia sẻ kiến thức không chỉ giúp bản thân mình nhớ lâu hơn mà còn giúp cộng đồng cùng tiến bộ.
Nếu thấy bài viết này hữu ích, bạn nhớ chia sẻ để có thêm nhiều anh chị em cùng học hỏi nha!
Hẹn gặp lại mọi người vào những bài viết tiếp theo với nhiều trải nghiệm thú vị hơn! 😊
Leave a Reply