Scanner
Débutant Usage Z

Zero-shot Learning

Capacité d'un LLM à réaliser une tâche sans aucun exemple fourni dans le prompt, uniquement via les instructions.

Définition complète

Le zero-shot learning désigne la capacité d'un LLM à accomplir une tâche décrite uniquement en langage naturel, sans aucun exemple dans le prompt. C'est l'une des capacités émergentes les plus remarquables des grands modèles : ils ont vu suffisamment de patterns pendant l'entraînement pour généraliser à de nouvelles tâches décrites verbalement. Un prompt zero-shot contient uniquement l'instruction (« Traduis ce texte en anglais : ... ») sans démonstration. Les performances zero-shot croissent avec la taille du modèle. Pour des tâches complexes ou des formats précis, le few-shot learning ou le fine-tuning sont souvent supérieurs. La Chain-of-Thought zero-shot (« Réfléchissons étape par étape ») est une extension puissante pour les tâches de raisonnement. Le zero-shot est particulièrement utile pour prototyper rapidement sans effort de curation d'exemples.

Termes associés

Few-shot Learning Technique consistant à fournir quelques exemples dans le prompt pour guider le comportement du modèle sans modifier ses poids. Chain-of-Thought (CoT) Technique de prompt qui invite le modèle à décomposer son raisonnement étape par étape avant de répondre. Prompt Engineering Pratique de conception et d'optimisation des prompts pour maximiser la qualité et la pertinence des réponses d'un LLM. Fine-tuning Processus d'entraînement supplémentaire d'un LLM pré-entraîné sur un dataset spécialisé pour l'adapter à une tâche précise. Instruct (Modèle Instruct) Version d'un LLM fine-tuné pour suivre des instructions conversationnelles, par opposition au modèle de base.