言って聞かせるより、見せるほうが早い。いくつかの例は、ルールを書き連ねた段落よりも早く形式や口調を整えてくれます。
仕組み
この用語を広めたのは、Brown らによる GPT-3 の論文です。論文は 1,750 億パラメーターのモデルを、勾配更新もファインチューニングもせず、タスクを “specified purely via text interaction with the model”(訳:モデルとのテキストのやり取りだけで指定)して検証し、few-shot の性能がモデルの規模とともに大きく向上することを示しました。論文は 3 つの設定を定義しています。
| 設定 | プロンプト内の例 |
|---|---|
| Zero-shot | なし、指示だけ |
| One-shot | 1 つ |
| Few-shot | 複数、コンテキストウィンドウの範囲内 |
サポートチケットをラベル付けする few-shot プロンプトは、たとえば次のようになります。
Ticket: "My card was charged twice." -> billing
Ticket: "The app crashes on login." -> bug
Ticket: "Can you add dark mode?" -> feature_request
Ticket: "I was billed after cancelling." ->
モデルはこのパターンを続けます。Anthropic のガイドは、例を、形式、口調、構造を方向づける “one of the most reliable ways to steer”(訳:最も確実な方法の 1 つ)と呼び、関連性があり、多様で、モデルが指示と区別できるようタグで囲んだものにするよう求めています。
なぜ重要か
- 形式の制御。 空のフィールドをどう書くかなど、ルールでは漏れがちなエッジケースを例で示せます。厳密な JSON が必要なら、構造化出力と組み合わせてください。
- コスト。 どの例も、呼び出しのたびに入力として送り直されます。200 トークンの例が 5 つあれば、リクエストごとに 1,000 トークン増えます。決まったプレフィックスに置けば、キャッシュ入力トークンとして課金されることがあります。
- 推論。 答えだけでなく手順も示す例は、Chain-of-Thought プロンプティングになります。
- やめどき。 何百もの例が必要なら、毎回送るよりファインチューニングのほうが 1 回あたり安くなるかもしれません。
BroadNet Inference では
Few-shot プロンプティングに特別な API 機能は要りません。messages 内の普通のテキストです。BroadNet は usage に cached_tokens を返すので、例のブロックがキャッシュから読まれているか確認できます。従量課金のキーでは、キャッシュの料金は入力の料金より安く、DeepSeek V4.1 Flash では 100 万トークンあたり $0.0055 に対して $0.175 です。アラビア語のタスクはアラビア語のプロンプトエンジニアリングを、例を使った文書からの抽出はアラビア語の請求書ガイドを参照してください。
よくある間違い
- すべての例が同じラベルや同じ長さになっている。モデルはその偏りをまねします。
- リクエストごとに例を入れ替える。キャッシュされたプレフィックスが壊れ、結果の比較も難しくなります。