Zero-shot обучение (Zero-shot Learning)
Способность модели решать задачи, для которых она не видела примеров — только описание задачи.
Zero-shot обучение — это способность AI-модели решать задачу без единого примера. Вы описываете задачу словами, и модель выполняет её, опираясь исключительно на знания, полученные при обучении.
Как это работает
Современные языковые модели обучены на огромных объёмах текста и «видели» множество задач. Когда вы даёте новую задачу без примеров, модель находит подходящий паттерн из своего обучения.
Пример: «Классифицируй отзыв как позитивный или негативный: "Отличный товар!"» — модель справится, даже если не видела именно таких примеров в промпте.
Чем отличается от Few-shot
| Подход | Примеры в промпте | Точность | Стоимость |
|---|---|---|---|
| Zero-shot | 0 | Ниже | Дешевле (меньше токенов) |
| One-shot | 1 | Средняя | Средняя |
| Few-shot | 2-5 | Выше | Дороже |
Когда работает хорошо
- Простые задачи (классификация, перевод, суммаризация)
- Стандартные форматы (модель «знает» их из обучения)
- Когда примеры сложно или дорого подобрать
Связанные термины
- Few-shot обучение — подход с несколькими примерами в промпте
- In-Context Learning — общий механизм обучения на примерах в промпте
- Zero-shot Prompting — техника промптинга без примеров