Zero-Shot Learning Zero-Shot bedeutet, dass ein Modell eine Aufgabe allein aufgrund ihrer Beschreibung löst, ohne dass Beispiele mitgegeben werden. Bei heutigen Sprachmodellen funktioniert das für viele Standardaufgaben zuverlässig. Es ist die günstigste Variante, weil keine Beispiel-Token bezahlt werden.
Kurz-Fakten
Keine Beispiele im Prompt, nur eine Aufgabenbeschreibung
Geringster Tokenverbrauch aller Prompting-Varianten
Bei festen Ausgabeformaten fehleranfälliger als Few-Shot
Die Qualität hängt stark von der Präzision der Beschreibung ab
Bedeutung in der Praxis
Als Vorgehen bewährt: mit Zero-Shot beginnen, gegen die Testfälle messen und erst dann Beispiele ergänzen, wenn die Messung es rechtfertigt. Umgekehrt zahlt man dauerhaft für Beispiele, die nichts bringen.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.