NAiOS Wiki

Zero-Shot

También: Zero-Shot Learning · aprendizaxe sen exemplos · ZSL · inferencia sen adestramento

Capacidade dun modelo para realizar tarefas sen ter sido adestrado específicamente

1 min de lectura

El zero-shot describe la capacidad de un modelo de lenguaje para abordar una tarea sin haber recibido ejemplos específicos de ella en el prompt ni un entrenamiento dedicado. O modelo apóiase únicamente no coñecemento xeral adquirido durante o seu preadestramento e nas instrucións que recibe en linguaxe natural. Por exemplo, se pides "clasifica este correo como spam o legítimo" sen mostrar ningún caso resolto previamente, estás a usar un enfoque zero-shot.

A súa importancia radica na flexibilidade: permite resolver problemas novos sen necesidade de recompilar datos etiquetados nin readestrar, o que aforra tempo e recursos. É a forma máis directa de interactuar cun modelo e a base sobre a que se constrúen técnicas máis elaboradas.

Convén distinguilo doutros enfoques relacionados:

  • Zero-shot: sen exemplos no prompt.
  • Few-shot: inclúense uns poucos exemplos para guiar ao modelo.

Na práctica, o zero-shot funciona ben en tarefas comúns, pero a súa precisión pode caer en problemas moi específicos ou que requiran un formato de saída concreto, onde engadir exemplos adoita mellorar os resultados.

¿Quieres profundizar?

Lee nuestros artículos sobre IA aplicada en el blog de NAiOS.

Ir al Blog