Few-shot 学習

定義

Few-shot 学習とは、少数の例をプロンプトに含めることで AI モデルにタスクのやり方を示す手法です。再学習をまったく行わずに、示したパターンをモデルに踏襲させられます。

別名: Few-shot プロンプティングインコンテキスト学習例示によるプロンプティング

仕組み

入力と出力の組をいくつか見せます。たとえば、正しいカテゴリを付けたチケットや、望ましいトーンで返信したチケットを数件示し、そのうえで新しい入力を与えます。モデルはその例からパターンを推測して適用します。重みは一切更新されないため、この振る舞いはインコンテキスト学習と呼ばれます。

位置づけとしては、Zero-shot 学習（例を示さない）と本格的なファインチューニング（大量のデータで再学習する）の中間です。Few-shot は準備が速く、調整も簡単です。例を変えれば振る舞いが変わります。

Few-shot プロンプティングは、AI エージェントをチームの言葉づかいや書式に合わせる最も手早い方法です。実際の優れた返信をいくつか、多くはマクロや解決済みチケットから取ってきて渡すだけで、ファインチューニングのプロジェクトを起こさずに、一貫してブランドらしい回答へ寄せられます。

Few-shot 学習とファインチューニングはどう違いますか？

Few-shot は実行時にプロンプトへ例を入れるだけで、モデル自体は変わりません。速く柔軟ですが、コンテキストウィンドウの制約を受けます。ファインチューニングは多数の例でモデルの重みを再学習させるもので、効果は長持ちしますが、準備に時間と費用がかかります。

Few-shot の「少数」とは何件ですか？

通常はごく少数で、タスクとコンテキストウィンドウ次第で 2 件から数十件程度です。肝心の入力を圧迫せずにパターンを示せるだけの件数、というのが目安です。