一文定義
Few-shot学習とは、プロンプト内に少数の入出力例（ショット）を示すことでLLMに望ましい回答形式・スタイルを学ばせる技法です。追加学習なしに出力の品質を向上できます。
詳細解説
Few-shot学習（Few-shot Learning）とは、LLMへのプロンプトに「入力例→期待される出力例」のペアを数件（数ショット）含めることで、モデルに望ましい回答パターンを示す技法です。GPT-3論文でその有効性が広く示されました。
なぜFew-shotが有効かというと、LLMは文脈から「このような種類のタスクを求めているのだな」と学習し、同じパターンで新しい入力に対応できるためです。追加のファインチューニング（モデル再学習）が不要なため、コストと時間を大幅に節約できます。
例えば、「食べ物のカテゴリ分類」タスクで、プロンプトに「りんご→果物」「鶏肉→肉類」と示せば、「じゃがいも→」に対して「野菜」と正しく答えるようになります。一方でZero-shot（例なし）、One-shot（1件）、Few-shot（複数件）と例の数により精度が変わります。
参考情報・出典
- ▸Language Models are Few-Shot Learners（GPT-3論文）— arXiv / OpenAI（参照日: 2026-02-25）
- ▸Few-shot learning - Wikipedia— Wikipedia（参照日: 2026-02-25）
最終更新: 2026-02-25← 用語集一覧へ