# Few-Shot Prompting: In-Context Learning — Fine-tuning बनाम Prompting

Source: https://www.skillbyai.com/hi/fine-tuning/p-fewshot

> Prompt में रखे उदाहरणों से पैटर्न सिखाएँ।

## बिना weight बदले मॉडल ढलता है

बड़े मॉडल **prompt के कुछ उदाहरणों** से पैटर्न पकड़ सकते हैं (**in-context learning**)। कुछ प्रशिक्षित नहीं होता: उदाहरण इनपुट का हिस्सा हैं, इसलिए **हर call पर** भेजे और चुकाए जाते हैं और context window लेते हैं। यह सबसे अच्छी पहली चाल है: तुरंत, कम उदाहरण, बदलना आसान। सीमाएँ: अधिक उदाहरण अधिक tokens, परिणाम उदाहरणों और क्रम पर निर्भर, और लाभ **चपटे** हो जाते हैं। विविध, प्रतिनिधि, सही उदाहरण चुनें, कठिन मामले जोड़ें, और चुनाव मूल्यांकन set पर परखें।

## Prompt में उदाहरण बनाम weights में उदाहरण

Few-shot prompting मुट्ठी भर उदाहरणों से तुरंत सीखती है पर plateau पर पहुँचती है; प्रशिक्षण कहीं अधिक उपयोग कर सकता है।

![तीन विचार: दिखाना, plateau, लागत।](assets/figures/fine-tuning/section-2-map.svg) — चित्र 2.1 — दिखाना, plateau और लागत।

## Few-shot prompt (उदाहरण)

तीन उदाहरण labels और format सिखाते हैं। यहाँ चलाया नहीं गया।

```text
Classify each support ticket as billing, technical or other. Reply with the label only.

Ticket: "I was charged twice this month."       Label: billing
Ticket: "The app crashes when I open settings."   Label: technical
Ticket: "Do you have an office in Pune?"           Label: other

Ticket: "My invoice shows the wrong amount."      Label:
```

## उदाहरणों का क्रम परखें

उदाहरणों का क्रम बदलकर scores तुलना करें; बड़ा अंतर बताता है कि prompt नाज़ुक है और बेहतर उदाहरण चाहिए।

**Quiz:** In-context learning का क्या अर्थ है?

- [ ] मॉडल रात भर दोबारा प्रशिक्षित होता है
- [x] मॉडल prompt के उदाहरणों से पैटर्न के अनुसार ढलता है, कोई weights नहीं बदलते
- [ ] मॉडल live इंटरनेट पढ़ता है
- [ ] मॉडल अपना प्रशिक्षण भूल जाता है

*Answer:* मॉडल prompt के उदाहरणों से पैटर्न के अनुसार ढलता है, कोई weights नहीं बदलते. Prompt के उदाहरण सिर्फ़ उसी call के लिए व्यवहार मोड़ते हैं।