O zero-shot descreve a capacidade de um modelo de linguagem para abordar uma tarefa sem ter recebido exemplos específicos da mesma no prompt nem um treino dedicado. O modelo apoia-se unicamente no conhecimento geral adquirido durante o seu pré-treino e nas instruções que recebe em linguagem natural. Por exemplo, se pedir "classifica este e-mail como spam ou legítimo" sem mostrar nenhum caso resolvido previamente, está a utilizar uma abordagem zero-shot.
A sua importância reside na flexibilidade: permite resolver problemas novos sem necessidade de recolher dados etiquetados nem retreinar, o que poupa tempo e recursos. É a forma mais direta de interagir com um modelo e a base sobre a qual se constroem técnicas mais elaboradas.
Convém distingui-lo de outras abordagens relacionadas:
- Zero-shot: sem exemplos no prompt.
- Few-shot: incluem-se alguns exemplos para guiar o modelo.
Na prática, o zero-shot funciona bem em tarefas comuns, mas a sua precisão pode diminuir em problemas muito específicos ou que exijam um formato de saída concreto, onde adicionar exemplos costuma melhorar os resultados.