フューショット・プロンプティング

フューショット・プロンプティング（Few-shot Prompting）とは、LLMへの指示（プロンプト）の中に、タスクの入力と期待する出力のペアを数件（通常2〜8件程度）の例示として含めることで、モデルが新しいタスクを正確に実行できるよう誘導するプロンプト技法です。追加の学習や重みの更新を必要とせず、プロンプト内の例だけでモデルの振る舞いを調整できる点が特徴です。

Few-shot Learningと密接に関連しますが、Few-shot Promptingはその推論時（Inference時）の実践的応用を指します。In-context Learningの一形態として、GPT-3論文（Brown et al. 2020）で大規模に実証され注目を集めました。

具体的な活用例として、(1)出力フォーマットの統一（JSON・Markdown・特定の文体）、(2)分類タスクの例示（ポジティブ/ネガティブ判定など）、(3)翻訳の文体・専門用語の統一、(4)複雑な推論パターンの提示（CoTと組み合わせ）があります。

例示の選び方が品質に大きく影響します。多様性・代表性・明確さを備えた例を選ぶことが重要で、例の数は多すぎると文脈長を消費しすぎるため、タスクと予算のバランスで決定します。ゼロショット（例示なし）でうまくいかない場合の最初の改善手段として有効です。