仕組みからわかる大規模言語モデル 生成AI時代のソフトウェア開発入門

3

Few-Shotプロンプティング

3.3

Few-Shotプロンプティング [Brown et al. 2020] は、モデルにタスク遂行のための少数の例

示を与えることで、Zero-Shotプロンプティングの限界を補う手法です。この手法では、少数

の例示を使ってLLM をタスクに適応させることで、特定のタスクに特化した性能を引き出す

ことができます。

Few-Shotプロンプティングは、LLM の文脈内学習（In-context learning）と呼ばれる能力

を活用しています。文脈内学習とは、LLMが与えられた文脈（context）から新しいタスクを

学習する能力のことを指します。Few-Shotプロンプティングでは、例示を通じてLLM にタ

スクの文脈を提供し、文脈内学習を促進することで、タスクに特化した性能を引き出します。

3.2と同じ映画レビューの感情分類タスクを例に、Few-Shotプロンプティングを説明しま

す。今回も感情分類タスクで、レビューを「ポジティブ」「ネガティブ」「ニュートラル」の 三

つに分類することを期待する場合を考えます。Few-Shot プロンプティングでは、次のような

プロンプトを使用することで、LLMをこのタスクに適用させることができます。

I N

次の例を参考に、映画レビューの感情を分類してください。

例 1:

レビュー: この映画は期待以上の出来でした。独創的な脚本、巧みな演出、俳優陣の熱演が見事に

調和していました。ストーリーに引き込まれ、あっという間に時間が過ぎました。この映画を見て ...