一文定義
例示なしでタスク説明のみをプロンプトに与えてLLMに回答させる手法。モデルの汎化能力を活用し、例示の準備コストを省ける。
詳細解説
ゼロショット・プロンプティング（Zero-shot Prompting）とは、LLMへのプロンプトに具体的な入出力の例示（ショット）を含めず、タスクの説明のみを与えて回答させるプロンプト手法です。例示を事前に準備する必要がないため、素早く試すことができ、GPT-4やClaude 3など高性能モデルではゼロショットで十分な品質が得られるケースが増えています。
ゼロショットが有効な理由として、大規模な事前学習により現代のLLMは多様なタスクパターンを学習済みであるため、「要約してください」「以下を英語に翻訳してください」などの指示を例示なしで理解・実行できます。これはLLMの「汎化能力」と「Zero-shot Task Transfer」と呼ばれる特性によるものです。
ゼロショット vs Few-shot の使い分けとして、(1)ゼロショットを試す：まずは例示なしでタスクを説明し品質を確認、(2)品質が不十分ならFew-shotに移行：2〜8件の入出力例を追加して出力フォーマット・スタイルを誘導、(3)それでも不十分ならCoTと組み合わせる：「ステップバイステップで考えてください」を追加、(4)最終手段としてファインチューニングを検討、という段階的アプローチが推奨されます。
「Let's think step by step」をゼロショットで使う手法はZero-shot CoT（Kojima et al. 2022）として知られ、例示なしでも推論精度を大幅に改善する効果が実証されています。GPT-4o・Claude 3.5・Gemini 1.5などのフロンティアモデルはゼロショット性能が特に高く、多くのビジネスタスクでFew-shotなしで実用的な品質を達成しています。
参考情報・出典
- ▸Language Models are Few-Shot Learners (GPT-3)— arXiv / Brown et al. (2020)（参照日: 2026-02-26）
- ▸Large Language Models are Zero-Shot Reasoners— arXiv / Kojima et al. (2022)（参照日: 2026-02-26）