zero-shot prompting

alapelterjedt

Olyan kérés a nyelvi modellnek, amelyben csak a feladatot írod le, mintapéldát nem adsz hozzá, a modell pedig a meglévő tudásából oldja meg.

Érthetően

Amikor beírod egy chatbotnak, hogy „Foglald össze ezt a cikket három mondatban”, zero-shot promptot írtál. Elmondtad, mit kérsz, de nem mutattál mintát arról, milyen legyen a jó válasz.

Olyan ez, mint amikor egy tapasztalt szakácsnak csak annyit mondasz: „Készíts egy könnyű nyári levest.” Nem adsz receptet és nem mutatsz fényképet, mert bízol benne, hogy eleget főzött már, és érti, mire gondolsz.

A „zero-shot” szó szerint „nulla lövést”, vagyis nulla mintapéldát jelent. Az ellentéte a few-shot prompting, amikor a kérésbe néhány kidolgozott példát is beleírsz, hogy a modell lássa a kívánt formát és stílust.

A legtöbb hétköznapi feladatnál ez a legegyszerűbb és leggyorsabb módszer, és a mai modelleknél általában elég is. Példát akkor érdemes adnod, ha a válasz formája vagy hangneme szokatlan, illetve nagyon kötött.

Hogyan működik

Megírod a kérést: leírod a feladatot, és ha kell, a körülményeket is (kinek szól, milyen hosszú legyen, milyen formában kéred).
A modell a kérést szövegdarabokra (tokenekre) bontja, és a tanítása során látott rengeteg szöveg mintázatai alapján felismeri, milyen feladatról van szó.
Mivel példát nem kapott, a feladat leírásából következtet arra, milyen válasz illik ide, és darabonként (tokenenként) írja meg a valószínű folytatást.
Ha az eredmény nem jó, pontosíthatod az utasítást, vagy adhatsz néhány mintát – ekkor már few-shot promptot használsz.

Példa a mindennapokból

Bemásolsz egy hosszú társasházi közgyűlési jegyzőkönyvet a chatbotba, és azt kéred: „Írd ki pontokba szedve, miről döntöttek és mennyibe kerül nekem.” Nem mutatsz mintát, a modell mégis érti a feladatot, és használható listát ad.

Kit érint

mindenkiAki chatbotot használ, az esetek nagy részében tudtán kívül is zero-shot promptot ír.

munkavállalóLevelek, összefoglalók és jegyzetek készítésénél ez a leggyorsabb módszer, és ha tudod, mikor kevés, időt spórolsz. → Munka és HR

szülő, diák, tanárTanuláshoz, magyarázatkéréshez és feladatkészítéshez elég egy világos utasítás, de a választ ellenőrizni kell. → Oktatás és család

fejlesztőAI-agent vagy alkalmazás építésekor el kell döntenie, hogy elég-e a puszta utasítás, vagy példákkal kell stabilabbá tennie a kimenetet. → Kód

Gyakori félreértés

TévhitA zero-shot azt jelenti, hogy a modell olyasmit old meg, amiről korábban semmit sem tanult.

ValójábanA „nulla” csak arra utal, hogy a kérésben nincs mintapélda. A modell a tanítása során rengeteg hasonló szöveget és feladatot látott, ebből a tudásból dolgozik.

Korlátok és kockázatok

Ha a kérés homályos, a modell találgat: ugyanarra a mondatra egészen más hosszúságú, stílusú vagy szerkezetű választ is adhat.
Szigorúan kötött formátumnál (például táblázat, adatmezők, céges sablon) példa nélkül gyakrabban hibázik vagy eltér a kért alaktól.
Szűk szakterületen vagy cégen belüli, sajátos szabályoknál a modell nem tudhatja, mit vársz, ha nem írod le vagy nem mutatod meg.
A magabiztos hangú válasz is lehet téves, ezért a tényeket, számokat és hivatkozásokat mindig ellenőrizd.

Hasonló, de nem ugyanaz

few-shot prompting – Ott a kérés mellé néhány kidolgozott mintapéldát is adsz, a zero-shotnál egyet sem.
finomhangolás – A finomhangolás magát a modellt tanítja tovább új adatokon. A zero-shot prompting viszont csak a kérés megfogalmazásán múlik, a modell változatlan marad.
zero-shot tanulás – A gépi tanulásban ez eredetileg azt jelenti, hogy a modell olyan kategóriákat is felismer, amelyekből a tanítás során egyetlen példát sem látott, például leírások alapján. A zero-shot prompting ennél lazább: csak annyit jelent, hogy a kérésben nincs minta. Magát a feladattípust a modell a tanítás során akár sokszor is láthatta.

Kapcsolódó fogalmak

Tágabb

promptolás, prompttervezés

Szűkebb

zero-shot gondolatlánc

Rokon

few-shot prompting, one-shot prompting, kontextuson belüli tanulás, gondolatlánc, rendszerprompt, nagy nyelvi modell

Röviden a története

A „zero-shot” kifejezés a gépi tanulás kutatásából ered. A 2000-es évek vége óta azt jelöli, hogy egy modell olyan feladatot vagy kategóriát is kezel, amelyre külön nem tanították. A nyelvi modelleknél az OpenAI 2020-as GPT-3-tanulmánya tette széles körben ismertté a zero-shot, one-shot és few-shot megkülönböztetést.

Hol tart most

2026 végén ez a nyelvi modellek használatának alapértelmezett módja: a modellek a legtöbb hétköznapi feladatot példa nélkül is jól megoldják. Példákat főleg kötött formátumú vagy nagyon egyedi stílusú feladatoknál adnak hozzá.

Állapot: 2026. november

Más nevei

zero-shot prompting · zero-shot prompt · zero shot prompting · 0-shot prompting · példa nélküli promptolás · példa nélküli prompt · nullapéldás promptolás · zero-shot utasítás

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.