ゼロショットプロンプティングとは何か
ゼロショットプロンプティングは、プロンプト内の例を使わず、明確な指示だけでモデルにタスクを解かせる手法です。 モデルは、事前学習とアラインメント中に学習した一般的な知識と指示実行能力に依存します。
ゼロショットは設定が迅速です。例のペアを設計・厳選する必要がないため、汎用的なタスク（一般的なQ&A、簡単な分類、要約、素直な翻訳など）で指示だけで十分な場合に適しています。
フューショットプロンプティングとは何か
フューショットプロンプティングは、少数の入出力例を指示に追加して、モデルが具体的なデモンストレーションからタスクパターンを推測できるようにする手法です。 実際には、フューショットはふつう2～10個の例を意味します。
これらの例はプロンプト内のミニトレーニングセットのように機能し、モデルが曖昧なタスク・特殊な形式・ドメイン固有の言語をどのように解釈すべきかをガイドします。フューショットプロンプティングは、汎用的な指示では十分ではない特定のスタイル・スキーマ・細かい動作が必要な場合に特に有効です。
ゼロショットの仕組み
ゼロショットでは、モデルは単純な指示だけで与えられたタスクを実行します。モデルが参考にできる例がないため、タスク説明の明確さが極めて重要です。効果的なゼロショットプロンプトは、期待される出力形式・制約・コンテキストを明示的に規定します。
フューショットの仕組み
フューショットでは、指示の後に具体的な例を提供します。モデルはこれらの例のパターンを認識し、同様のタスクに適用します。このアプローチは、データの形式・出力スタイル・専門用語がモデルの学習データに頻繁に出現しない場合に特に効果的です。
キーの違い：ゼロショット vs. フューショット
ゼロショットとフューショットプロンプティングは、主にセットアップの努力・特定タスクの精度・多くのユースケース間のスケーラビリティが異なります。 両者は同じ基盤モデルに依存していますが、例設計の努力とより良いタスク整合性をトレードオフしています。
| 側面 | ゼロショット | フューショット |
|---|---|---|
| プロンプト内の例 | なし | 2～10個以上の代表的な例 |
| セットアップ速度 | 非常に高速；例の厳選が不要 | 遅い；例を選択・維持する必要がある |
| データ要件 | ラベル付き例は不要 | 少なくとも数個のラベル付き例が必要 |
| 狭いタスクでの精度 | 低いか、より汎用的なことが多い | 特定のドメインで通常、より高く一貫性がある |
| タスク間のスケーラビリティ | 高いスケーラビリティ；新しいタスクの追加が容易 | スケーラビリティが低い；各タスクが独自の例を必要とすることがある |
ゼロショットを使う場合
スピードが必要で、ラベル付き例がなく、タスクがかなり一般的な場合はゼロショットプロンプティングを使うべきです。 このパターンは最初の試行やベースラインとして機能します。
典型的なゼロショットの場面：
- 一般的なQ&A、簡単な要約、基本的なセンチメント分類。
- タスクの形が見えてくるまでの素早い実験。
- ラベル付き例がない新しいドメインや言語。
フューショットを使う場合
タスクが専門的で、形式に敏感か、リスクが高く、良い例を提供できる場合、フューショットプロンプティングを使うべきです。 このような場合、例は純粋な指示よりも信頼性を大幅に向上させます。
一般的なフューショット の場面：
- ドメイン固有の分類・抽出（法務・医療・金融）で、正確なラベル付けと単語選択が重要。
- JSONの構造化抽出など、厳密なスキーマを持つタスク。
- マルチリンガルやローカライゼーションのタスク。言語ごとの数例が慣用句やスタイルの処理に役立つ。
例：ゼロショット vs. フューショットプロンプト
ゼロショットとフューショットの実践的な違いは、同じタスクのプロンプトを比較すると明らかです。 ここでは、サポートチケットを目的別に分類します。
悪いプロンプト – 非構造的
"このサポートチケットを見て、それが何についてであるか教えてください。"
ゼロショットプロンプト
"以下のサポートチケットを次のいずれかのカテゴリに分類してください：`billing_issue`、`login_problem`、`feature_request`、`bug_report`、または `other`。チケット：「今日3回パスワードをリセットしようとしましたが、リンクはいつも期限切れと言っています。」カテゴリ名だけを出力してください。"
フューショットプロンプト
"各サポートチケットを次のいずれかのカテゴリに分類してください：`billing_issue`、`login_problem`、`feature_request`、`bug_report`、または `other`。カテゴリ名だけを出力してください。例1：チケット：「同じサブスクリプションで今月2回請求されました。」ラベル：`billing_issue` 例2：チケット：「'レポートをエクスポート'をクリックしても何も起こりません。ページを更新した後でも。」ラベル：`bug_report` 例3：チケット：「Google Sheetsにレポートを直接エクスポートするサポートを追加してもらえますか？」ラベル：`feature_request` では、このチケットを分類してください：「今日3回パスワードをリセットしようとしましたが、リンクはいつも期限切れと言っています。」
フューショット版は明示的にパターンを示すため、通常、ニュアンスの多いまたは雑音のあるチケットの分類品質が向上します。
注意点：よくある落とし穴
ゼロショットとフューショットを選択する際に注意すべき点があります。
- 不適切な例を提供すると、フューショットは実際にパフォーマンスを低下させます。例の質はセットアップ時間を正当化する必要があります。
- ゼロショットは簡単ですが、タスク記述の曖昧さはモデルの推測を増加させ、精度を低下させます。
- フューショット例の数を増やしても、精度向上が必ずしも続くわけではありません。通常、2～5個の良質な例で十分です。
- モデルによってゼロショット vs. フューショットの反応が異なる場合があります。GPT-4oはゼロショットで堅牢ですが、Gemini 3.1 Proはいくつかのドメインでフューショットの恩恵をより受けることがあります。
PromptQuorumがどのように選択を支援するか
PromptQuorumは、複数のプロバイダー間でゼロショットとフューショットプロンプトをテストできるマルチモデルAIディスパッチツールです。 指示のみのプロンプトと例を拡張したプロンプトの両方を、GPT-4o、Claude Opus 4.7、Gemini 3.1 Proなどのモデルに並行して送信できます。
PromptQuorum内では、以下を実行できます：
- Single Step、RTF、CO-STARなどのフレームワークを使用して、迅速にベースラインのゼロショットプロンプトを開始。
- SPECSやGoogleのプロンプティングガイドなどのフレームワーク内に代表的な例を埋め込むことで、フューショットプロンプトにアップグレード。より厳密な制御が必要な場合。
- ゼロショット版とフューショット版の両方をテンプレートとして保存し、時間の経過とともにモデル間で精度・レイテンシー・トークンコストを比較。
実践Tips：効果的な使用方法
ゼロショットとフューショットの効果を最大化するための実践的なアドバイスです。
- 最初は常にゼロショットで開始してください。セットアップが高速で、多くのシンプルなタスクで十分です。
- ゼロショットの精度が60～70%以下の場合は、フューショットを試してください。
- 例を選択する際は、テストデータセットのエッジケースを代表するもの選んでください。簡単なケースだけを示すと、モデルは難しい場合に失敗します。
- 本番環境に導入する前に、テストセット上でゼロショット対フューショットのパフォーマンス差を測定してください。
ゼロショットとフューショットの選択方法
- 1日常的でシンプルなタスクの場合は、ゼロショット（例なし）で開始してください。 例：「このレビューをポジティブまたはネガティブとして分類する」。精度が十分であれば、ゼロショットはより高速で安価です。
- 2ゼロショットのパフォーマンスが悪い場合（精度<80％または品質が低い）、2～5個のフューショット例を追加してください。 モデルに2～3個のポジティブなレビューと2～3個のネガティブなレビューを正しいラベル付けで表示します。フューショットは例で教えます。
- 3細かい違いや珍しいパターンを含むタスクの場合、5～10個の例（フューショット+）を追加してください。 皮肉・有害なバイアス・ドメイン固有のニュアンスの検出が必要な場合、より多くの例が役立ちます。
- 4期待される入力の範囲をカバーする例を選択してください。 商品レビューを分類する場合、熱狂的・ぬるい・否定的な例を含めてください。簡単なケースだけを表示しないでください。
- 5本番環境にコミットする前に、テストセット上でフューショットの恩恵を測定してください。 0個の例と5個の例で同じプロンプトを50個のテストケースで実行します。フューショットが精度を10ポイント以上改善すれば、例を含めます。改善が5％未満であれば、ゼロショットを維持してください。