Понятие
Few-shot / zero-shot
Few-shot
Zero-shot — это когда вы просите нейросеть выполнить задачу без единого примера, а few-shot — когда даёте в запросе несколько примеров «вот так надо», чтобы задать формат и стиль ответа. Несколько примеров часто резко повышают точность.
Что это
Что такое few-shot / zero-shot
Слово shot здесь — «пример в промпте». Zero-shot: вы просто ставите задачу словами, без образцов, и модель делает как поняла. Few-shot: перед задачей вы показываете два-три примера пар «вход — правильный ответ», и модель улавливает закономерность и формат, продолжая в том же духе. Примеры не переобучают модель, они лишь направляют её в этом конкретном запросе. Это самый быстрый способ повысить качество, когда нужен строгий формат ответа или модель промахивается с первого раза.
Отличие
Чем отличается zero-shot от few-shot
Zero-shot — без примеров, только инструкция; быстро и удобно, но модель может понять задачу не так или выдать не тот формат. Few-shot — с примерами, которые показывают образец правильного ответа; чуть длиннее запрос, зато заметно стабильнее результат. Вывод: с простыми задачами хватает zero-shot, а когда важен точный формат или модель ошибается — добавляют два-три примера, и ответы выравниваются; это дешевле и проще, чем дообучать модель.
Зачем сейчас
Почему это важно сейчас
Few-shot — базовый приём промптинга, который даёт максимум качества за минимум усилий: не надо ни файнтюнинга, ни сложных инструкций, достаточно показать образцы. Понимание разницы zero-shot и few-shot сразу объясняет, почему добавление пары примеров часто чинит «модель отвечает не так, как надо».
Практика
Статьи, где упоминается это понятие
Платформа и сообщество, где я по шагам показываю, как поставить ИИ на рутину: контент, код, продажи, аналитика. Заходи и забирай рабочие связки, которыми пользуюсь сам.
Вступить в ИИ-офисtelegram
Канал с полезными материалами про нейросети
Разборы, новые инструменты и приёмы по ИИ — то, чем пользуюсь сам, без воды. Подпишись, чтобы не потерять.
