Few-shot学習

一言で

Few-shot学習とは、プロンプトの中に少数（一般に2〜10件）の入出力例を見せて、AIに望むパターンを学ばせる手法です。

もう少し詳しく

「英語→日本語にして」と頼むより、「Hello→こんにちは／Thank you→ありがとう」のようにお手本を2〜3組見せる方が、AIは形式や雰囲気を正確に汲み取ってくれます。これがFew-shot学習の基本的な考え方です。

特徴は、モデル本体の重みを書き換えない点です。プロンプトに例を添えるだけなので、料金もかからず即時に試せます。IBMの解説では、Few-shotを使うことで同じモデルでも10〜50%程度の精度改善が見込めるとされています。例が0件の場合は「Zero-shot」、1件の場合は「One-shot」と呼びます。

主な特徴

• 学習コスト不要: ファインチューニングと違い、モデルを再訓練しない
• 即時反映: プロンプトを書き換えれば、その場で挙動が変わる
• 例の質が重要: 一貫性のないお手本は逆に精度を下げる

使われ方の例

• 文章の分類（ポジ／ネガ判定）に、3例ほどラベル付きデータを添える
• 独自のJSON出力形式を、入出力ペアで2例示してから本番データを渡す
• 自社の言い回しに合わせた要約スタイルを、過去の良い例で教え込む

関連する話題

例を1万件単位で学ばせて挙動ごと変えたい場合はファインチューニングが選択肢になります。