کمنمونه یا صفرنمونه؟ تفاوت‌ها با جدول
تفاوت کمنمونه و صفرنمونه با جدول مقایسه و توضیح اینکه هر کدام برای چه کسی و چه کاری مناسب‌تر است.
در جلسات و مصاحبه‌ها، سؤال «تفاوت کمنمونه و صفرنمونه چیست؟» یکی از پرتکرارهاست. این مقاله پاسخ آمادهٔ شما می‌شود — با جدول و مثال.
کمنمونه در یک خط
کمنمونه یعنی همراه پرامپت، چند نمونهٔ درست از ورودی/خروجی بگذارید تا مدل الگو را ببیند: «این‌طور بود، این‌طور بود، حالا این هم همین‌طور». مرزها و لحن با مثال تعریف می‌شود.
صفرنمونه در یک خط
صفرنمونه یعنی فقط توضیح بدهید، بدون هیچ مثال: «نظرها را مثبت یا منفی دسته‌بندی کن». مدل فقط بر دانش عمومی و تعریف شما تکیه میکند.
تفاوت کلیدی
مثالِ داخل پرامپت: کمنمونه مرزها را نشان می‌دهد و خروجی را هم‌شکل میکند؛ صفرنمونه سریع‌تر و سبک‌تر است اما در تعریف‌های ظریف ناپایدار.
جدول مقایسه
| معیار | کمنمونه | صفرنمونه |
|---|---|---|
| طول پرامپت | بلندتر (چند مثال) | کوتاه |
| ثبات قالب خروجی | بالا؛ مدل الگو را تقلید میکند | متغیر؛ بسته به تعبیر مدل |
| حالت‌های مرزی | اگر مثال مرزی داده باشید، درست | حدس مدل؛ ممکن است ناهماهنگ |
| هزینهٔ توکن | بیشتر | کمتر |
| سرعت آزمودن ایده | کمی کندتر (نمونه لازم است) | فوری |
نکتهٔ خواندن این جدول: معیارها هم‌وزن نیستند. ابتدا ستونی را انتخاب کنید که در کارِ شما بیشترین وزن را دارد (معمولاً همان یکی دو معیار اول) و بعد به بقیه نگاه کنید؛ انتخاب درست معمولاً از همان ستون اصلی بیرون می‌آید.
آیا این دو در کنار هم دیده می‌شوند؟
بله و این نکتهٔ مهمی است: در پروژه‌های واقعی، کمنمونه و صفرنمونه اغلب در دو نقطهٔ متفاوت از یک مسیر ظاهر می‌شوند و رقیبِ حذف‌کردنی نیستند. شناخت تفاوتشان به همین دلیل است که می‌فهمید هر کدام را «کجای کار» بگذارید — نه اینکه یکی را انتخاب و دیگری را دور بیندازید. اگر نمونهٔ واقعی کارتان را نگاه کنید، احتمالاً هر دو را در نقش‌های متفاوت می‌بینید.
چه زمانی سراغ کمنمونه برویم؟
خروجی باید هم‌شکل باشد (فرمت گزارش، لحن برند، مرز دسته‌ها) و صفرنمونه ناپایدار شده است.
چه زمانی سراغ صفرنمونه برویم؟
شروع هر وظیفهٔ جدید و وظایف عمومی که مدل از قبل می‌فهمد؛ سریع‌ترین مسیر از ایده تا خروجی.
اشتباه رایج در تشخیص این دو
چون هر دو «پرامپت‌نویسی» محسوب می‌شوند و تفاوتشان فقط چند مثال است؛ اما همین چند مثال، در مسائل واقعی تفاوت نتیجه را کاملاً عوض میکند.
یک مثال برای تفکیک سریع
قاعدهٔ سرانگشتی برای دفعات بعد: وقتی سراغ کمنمونه می‌روید، دنبال «تعریف و ویژگی» هستید؛ وقتی سراغ صفرنمونه می‌روید، دنبال «کاربرد و اجرا». این جملهٔ کوتاه را یادتان بماند؛ در بیشتر متن‌ها و گفتگوها، همین تفکیک، جواب درست را همان لحظه می‌دهد.
سخن پایانی
تفاوت‌های جدول بالا را یک بار مرور کنید و برای خودتان جمع‌بندی کنید: در کارِ روزمرهٔ شما، کدام بیشتر ظاهر می‌شود؟ جواب همین سؤال، ترتیب یادگیری‌تان را هم مشخص میکند — از همان یکی شروع کنید. برای مرور، جدول را در یادداشت شخصی کپی کنید؛ جدول‌های دوستونی، بهترین قالب مرور سریع هستند.
پاسخ کوتاه برای وقتی عجله دارید
اگر باید در یک جمله جواب بدهید: مثالِ داخل پرامپت: کمنمونه مرزها را نشان می‌دهد و خروجی را هم‌شکل میکند؛ صفرنمونه سریع‌تر و سبک‌تر است اما در تعریف‌های ظریف ناپایدار. همین جمله، در بیشتر گفتگوها و مصاحبه‌ها پاسخ کافی و درست است. اگر بحث عمیق‌تر شد، به جدول مقایسه برگردید و معیار مورد اختلاف را دقیق باز کنید؛ پاسخ کوتاه برای شروع و جدول برای اثبات است.
در یادگیری، توصیهٔ امروزینو این است: بعد از خواندن این تفاوت‌ها، هر مفهوم را یک بار در «کار واقعی» ببینید؛ تفاوتی که در عمل دیده شود، دیگر فراموش نمی‌شود.
سوالات متداول
از کدام شروع کنم؟
همیشه صفرنمونه؛ اگر بعد از چند آزمون خروجی ناپایدار یا خارج قالب بود، سه مثال خوب اضافه کنید — ارزان‌ترین بهبود ممکن.
چند مثال، کمنمونه حساب می‌شود؟
از یکی تا حدود ده؛ در عمل سه تا پنج مثالِ متنوع، نقطهٔ تعادل معمول است.
مثال بد چه ضرری دارد؟
مدل دقیقاً الگوی بد را تقلید میکند؛ کیفیت مثالها سقف کیفیت خروجی را تعیین میکند.
کمنمونه یعنی مدل یاد میگیرد؟
نه؛ مثالها فقط همان گفتگو را شکل میدهند و بعد از آن میروند. یادگیری دائمی، کار فاینتیون است.
مطالب مرتبط
- یادگیری با نمونه کم (Few-Shot Learning) چیست؟ توضیح ساده و کاربردی
- /article/what-is-zero-shot-learning
- مهندسی پرامپت (Prompt Engineering) چیست؟ توضیح ساده و کاربردی
- /article/few-shot-learning-practical-guide
- آموزش مدل یا استنتاج مدل؟ تفاوت‌ها با جدول
- تزریق پرامپت چیست؟ توضیح ساده با مثال کاربردی
- پردازندهٔ گرافیکی یا پردازندهٔ مرکزی؟ تفاوت‌ها با جدول
- هوش مصنوعی محدود چیست؟ توضیح ساده با مثال کاربردی
این مطلب برایتان مفید بود؟
با پسندیدن، به ما کمک می‌کنید مطالب بهتری منتشر کنیم.
