Što su Zero-Shot i Few-Shot?
Zero-shot učenje je sposobnost modela da izvede zadatak koji nikada nije eksplicitno vidio u treniranju — samo na temelju opisa zadatka u promptu. Few-shot učenje pruža mali broj primjera (1-10) u promptu koji demonstriraju željeno ponašanje. Obje sposobnosti su emergentne u velikim LLM-ovima i nisu bile dostupne u starijim, manjim modelima.
Zašto je ovo revolucionarno?
Tradicionalno strojno učenje zahtijeva tisuće označenih primjera za svaki novi zadatak. Zero/few-shot eliminira ovu prepreku: 'Klasificiraj ovaj email kao spam ili ne-spam: Evo 3 primjera...' — i LLM to radi s prihvatljivom točnošću. Ovo dramatično smanjuje barijere primjene AI-ja za nove zadatke.
Praktična primjena
Zero-shot je optimalan za: jasno definirane zadatke s jednostavnim kriterijima, when model has strong prior knowledge of the domain. Few-shot je optimalan za: specifičan format ili stilo izlaza, domenski specifičan žargon ili klasifikacijske sheme. Ako ni zero ni few-shot ne daju dostatnu točnost — razmatrajte fine-tuning za kritičnu primjenu.