LLMへのプロンプトにいくつかの入力と出力の例（例：「りんご→果物」「にんじん→野菜」）を示したうえで本来の質問を与え、例に倣った形式で回答させる手法として、最も適切なものはどれか。
- 1Zero-shotプロンプティング
- 2Few-shotプロンプティング
- 3ファインチューニング
- 4ロールプロンプティング
正解と解説を見る
正解：2
Few-shotプロンプティングは、プロンプト内に少数の例を示してタスクの形式や意図をモデルに把握させる手法で、モデルのパラメータは更新されません（文脈内学習）。Zero-shotプロンプティングは、例を示さずに指示だけで回答させる手法です。ファインチューニングは追加学習でパラメータを更新する点が異なり、ロールプロンプティングは「あなたは〇〇の専門家です」のようにモデルに役割を与える手法です。「例を少数示す＝Few-shot、例なし＝Zero-shot、どちらもパラメータは更新しない」と押さえておきましょう。
根拠：Few-shot学習・文脈内学習（Brown et al., 2020 "Language Models are Few-Shot Learners"）