Few-shot e Chain of Thought

Due tecniche, un principio comune: invece di sperare che il modello indovini cosa vuoi, glielo mostri. Con esempi, o con il ragionamento.

Few-shot: mostrare invece di spiegare

Descrivere a parole un formato è faticoso e ambiguo. Mostrarne tre esempi è immediato.

Esempi	Quando	Nota
0	compiti comuni, modelli capienti	risparmia contesto, poco controllo
1	il formato è ovvio da un solo caso	rischio di copiare troppo quell’unico caso
3	la maggior parte dei casi	il miglior rapporto qualità/costo
5+	compiti ambigui o molto specifici	consuma parecchio contesto

Parti da tre. Se non basta, aggiungi; se il contesto è stretto, scendi a uno o due.

Contano più la scelta degli esempi che il numero. Devono essere diversi fra loro:

Male — tre volte lo stesso caso:
  "Il gatto è bello"    → positivo
  "Il cane è carino"    → positivo
  "Il fiore è splendido" → positivo

Bene — casi che coprono lo spazio:
  "Il gatto è bello"          → positivo
  "Il servizio fa schifo"     → negativo
  "Funziona, niente di che"   → neutro

E devono essere realistici: se gli esempi sono tutti facilissimi, il modello non impara a gestire i casi veri, che sono sfumati. Attenzione anche all’ordine e all’equilibrio: se tutti gli esempi finiscono con la stessa etichetta, il modello prende quella piega.

Chain of Thought: far ragionare a voce alta

Un modello che risponde subito ha a disposizione un solo passaggio per arrivare alla soluzione. Se lo inviti a scrivere i passaggi, ogni passo diventa contesto per il successivo — e la differenza sui problemi a più stadi è marcata.

La versione minima è una frase aggiunta in coda: “ragiona passo per passo prima di rispondere”. Su problemi aritmetici, logici o con più vincoli l’accuratezza sale in modo netto, praticamente gratis.

La versione strutturata combina le due tecniche: si danno esempi che includono il ragionamento, non solo la risposta finale. Il modello impara così anche il modo di ragionare che ti aspetti, non soltanto il formato dell’output.

Attenzione a due cose. Il ragionamento occupa contesto e tempo: su compiti banali è solo spreco. E il ragionamento scritto non è una garanzia: un modello può produrre passaggi impeccabili e una conclusione sbagliata, o giustificare a posteriori una risposta scelta prima.

Nota che i modelli recenti con ragionamento incorporato fanno questo da soli, internamente: con loro chiedere esplicitamente il passo-passo aggiunge poco.

Quando usare cosa

Situazione	Tecnica
Il formato dell’output è sbagliato	few-shot
Il risultato è sbagliato su problemi a più passi	chain of thought
Entrambi	esempi che contengono anche il ragionamento
Compito semplice e modello capiente	zero-shot, e basta

Quando gli esempi peggiorano le cose

Il few-shot non è gratis e non è sempre positivo. Tre distorsioni documentate producono errori sistematici e silenziosi.

Squilibrio delle etichette: se fra i tuoi esempi ce ne sono quattro positivi e uno negativo, il modello classificherà più spesso come positivo, indipendentemente dal contenuto. Gli esempi insegnano anche quanto è probabile ciascuna risposta.

Peso dell’ultimo esempio: quello più vicino alla domanda pesa più degli altri. Se è un caso particolare, la risposta gli somiglierà.

Copiatura superficiale: se tutti gli esempi condividono un tratto irrilevante — stessa lunghezza, stessa struttura, stesso argomento — il modello può imitare quel tratto invece della logica.

Le contromosse sono semplici: bilancia le etichette, mescola l’ordine invece di raggruppare per categoria, usa esempi variati per lunghezza e forma. E se i risultati restano incoerenti, prova a toglierli: sui modelli capienti lo zero-shot con istruzioni precise a volte batte un few-shot sbilanciato.

Con i modelli che ragionano, le regole cambiano

Con i modelli che generano un ragionamento interno prima di rispondere è facile sbagliare per abitudine.

Tecnica	Modello classico	Modello che ragiona
“Ragiona passo per passo”	Migliora molto	Ridondante: lo fa già
Esempi col ragionamento incluso	Molto utile	Può peggiorare: interferisce
Esempi con la sola risposta	Utile per il formato	Resta il modo giusto di guidarlo

Il punto controintuitivo è la riga centrale: mostrare a un modello che ragiona come dovrebbe ragionare tende a ingabbiarlo in uno schema meno efficace del suo. Con questi modelli conviene descrivere bene il problema e il formato dell’output, e lasciare che il percorso se lo trovi da solo.

In sintesi

Concetto	In una riga
Few-shot	Mostrare esempi invece di descrivere il formato
Tre esempi	Il punto di partenza ragionevole quasi sempre
Diversità	Gli esempi devono coprire casi differenti, non ripetersi
Chain of Thought	“Ragiona passo per passo”: più accuratezza sui problemi complessi
Limite	Ragionamento scritto non significa ragionamento corretto
Distorsioni degli esempi	Squilibrio, ordine e tratti irrilevanti sviano il modello
Modelli che ragionano	Guida il risultato, non il ragionamento