Few-shotプロンプティングとは
Few-shotプロンプティング（Few-shot Prompting）とは、AIモデルに対して少数の具体的な入出力例（ショット）をプロンプト内に含めることで、期待する応答パターンを学習させる手法です。モデルのパラメータを更新するファインチューニングとは異なり、推論時にプロンプトだけでタスクの理解を促す「イン・コンテキスト学習」の一種です。
| ひとことで言うと | お手本を2〜3個見せてから本番を頼む、プロンプトの書き方。 |
|---|---|
| どこで使う | 分類の粒度をそろえる、決まった書式での出力、自社の文体の再現。 |
| 注意点 | 例が偏ると出力も偏る。例が多いとトークン（料金）を消費する。 |
Few-shotプロンプティングの使い方
例えば、感情分析を行いたい場合、「レビュー：この商品は素晴らしい → 感情：ポジティブ」「レビュー：使いにくくて残念 → 感情：ネガティブ」のように2〜5個程度の例を示してから、分析対象のレビューを入力します。これにより、モデルは出力形式や判断基準を例から推測し、正確な応答を生成しやすくなります。
1指示文やってほしいことを説明
▶
2例1入力→出力のセット
▶
3例2別パターンを見せる
▶
4本番の入力実際に処理したいもの
▶
5例に倣う出力形式が例とそろう
※ 例を2〜3個見せるだけで、書式のばらつきが大きく減ります。
効果的な活用のコツ
Few-shotプロンプティングの精度を高めるには、提示する例のバランス（ポジティブ・ネガティブの均等な分布など）、例の代表性（典型的なケースを選ぶ）、例の数と質のバランスに注意が必要です。例が多すぎるとコンテキストウィンドウを消費するため、最小限の例で最大の効果を得る設計が望まれます。Zero-shotで十分な精度が出ない場合に、段階的にFew-shotに切り替える戦略が実用的です。