Zero-shot to sformułowanie zadania wyłącznie przez instrukcję — bez żadnego przykładu pokazującego oczekiwany format lub styl wyniku. Model musi wywnioskować czego oczekujesz z samego opisu zadania.
Kiedy zero-shot wystarcza
Dla jasno zdefiniowanych zadań z przewidywalnym wynikiem zero-shot działa dobrze: „Przetłumacz poniższy tekst na angielski”, „Wymień trzy główne punkty tego artykułu”, „Odpowiedz na pytanie na podstawie podanego dokumentu.” Model rozumie zadanie bez wzorca.
Kiedy zero-shot nie wystarcza
Gdy oczekujesz specyficznego formatu, tonu lub struktury trudnej do opisania słowami. Gdy zadanie jest niestandardowe i model nie ma podobnych wzorców w treningu. Gdy powtarzalność wyników jest krytyczna — few-shot ustanawia stały wzorzec, zero-shot go nie gwarantuje.
Kompromis: oszczędność vs. precyzja
Zero-shot oszczędza budżet okna kontekstu — nie ma przykładów które zajmują tokeny. Few-shot zwiększa precyzję kosztem budżetu. Wybór między nimi to zawsze kompromis: dla prostych zadań zero-shot, dla wymagających formatu i spójności few-shot.