Обучение без примеров (zero-shot)
Модель решает задачу, не увидев ни одного примера, — только по инструкции. Противоположности: few-shot (несколько примеров в промпте), one-shot (один пример), дообучение (много примеров).
Статья о GPT-3 (2020) наглядно показала, что крупные LLM справляются со множеством задач zero-shot. Современные LLM (GPT-4+, Claude, Gemini) делают практически всё zero-shot. Раньше в ML на каждую задачу обучали модель на размеченных данных. Zero-shot — сильный признак обобщающей способности; измеряется бенчмарками вроде MMLU и HumanEval. Few-shot остаётся актуальным для предметного форматирования, сложных рассуждений, где примеры помогают, и критичных задач, где выигрывает промпт-инжиниринг.