El zero-shot descriu la capacitat d'un model de llenguatge per abordar una tasca sense haver rebut exemples específics d'aquesta en el prompt ni un entrenament dedicat. El model es basa únicament en el coneixement general adquirit durant el seu preentrenament i en les instruccions que rep en llenguatge natural. Per exemple, si demanes "classifica aquest correu com a correu brossa o legítim" sense mostrar cap cas resolt prèviament, estàs utilitzant un enfocament zero-shot.
La seva importància rau en la flexibilitat: permet resoldre problemes nous sense necessitat de recopilar dades etiquetades ni reentrenar, la qual cosa estalvia temps i recursos. És la forma més directa d'interactuar amb un model i la base sobre la qual es construeixen tècniques més elaborades.
Convé distingir-lo d'altres enfocaments relacionats:
- Zero-shot: sense exemples al prompt.
- Few-shot: s'inclouen uns pocs exemples per guiar el model.
A la pràctica, el zero-shot funciona bé en tasques comunes, però la seva precisió pot caure en problemes molt específics o que requereixin un format de sortida concret, on afegir exemples sol millorar els resultats.