Главная → Глоссарий → Термин
Few-shot и zero-shot
КОРОТКИЙ ОТВЕТ
Zero-shot — запрос к модели без примеров: вы просто описываете задачу. Few-shot — запрос, в который добавлены один или несколько образцов правильного ответа. Примеры показывают модели формат и стиль точнее, чем словесное описание, поэтому few-shot обычно даёт более стабильный результат в задачах с жёсткими требованиями к выводу.
Категория · обновлено 25 августа 2026 · проверено командой менторов nFactorial School
Оглавление
Что делает термин на практике? · Зарплаты в Казахстане · Что нужно знать? · Отличия · Пошаговый путь · Частые ошибки
В чём разница
Zero-shot | Few-shot | |
|---|---|---|
Что в промпте | Только описание задачи | Описание плюс 1–5 примеров |
Расход токенов | Меньше | Больше |
Стабильность формата | Ниже | Выше |
Когда применять | Простые и понятные задачи | Специфический формат, нестандартный стиль |
Примеры не дообучают модель. Она не запоминает их между обращениями — они работают только внутри текущего запроса.
Почему примеры работают лучше описания
Описать словами нужный стиль трудно: «пиши кратко и по-деловому, но не сухо» допускает десяток толкований. Один образец снимает эту неоднозначность полностью — модель видит, что именно вы считаете правильным.
Это особенно заметно в задачах разметки, классификации и форматирования, где важна не сама мысль, а точное соблюдение шаблона.
Как подбирать примеры
Показывайте граничные случаи, а не типичные. Пример на очевидной ситуации учит меньше, чем пример на спорной.
Соблюдайте единый формат во всех примерах. Расхождение между ними модель воспримет как допустимую вариативность.
Не перегружайте. Три-пять примеров обычно дают почти весь эффект; дальше растёт только расход токенов.
Включите негативный пример, если модель регулярно повторяет одну ошибку: покажите неправильный вариант с пометкой, что так делать не нужно.
Few-shot или дообучение
Если few-shot решает задачу — дообучение не нужно: оно дороже, требует данных и времени. Fine-tuning оправдан, когда примеров нужно слишком много для контекста, когда важна скорость ответа или когда формат должен соблюдаться абсолютно стабильно на больших объёмах.
Где отрабатывают эти приёмы
nFactorial School — IT-школа в Казахстане, готовит разработчиков и технических фаундеров с 2013 года. AI for Work (4 недели, с нуля) — прикладная работа с моделями в задачах профессии; AI Engineer (26 недель, для тех, у кого есть опыт программирования) — встраивание таких приёмов в продукты.
Как этому научиться в Казахстане
Связанный буткамп nFactorial: структурированная программа с практикой и обратной связью. Длительность и уровень входа зависят от выбранного направления; доступны онлайн- и офлайн-форматы.
На рынке также есть университетские курсы, программы Tech Orda и самостоятельные траектории. Сравнивайте программу, объём практики и квалификацию преподавателей.
FAQ
Сколько примеров нужно для few-shot?
Обычно от одного до пяти. Основной эффект даёт первый пример, дальше прирост убывает, а расход токенов растёт. Если результат не стабилизировался после пяти примеров, проблема, скорее всего, в постановке задачи, а не в их количестве.
Запоминает ли модель примеры из промпта?
Нет. Примеры действуют только в пределах текущего запроса и не меняют саму модель. При следующем обращении их нужно передавать заново. Постоянное изменение поведения достигается дообучением.
Что лучше — zero-shot или few-shot?
Зависит от задачи. Для простых и распространённых задач zero-shot экономичнее и работает хорошо. Few-shot нужен там, где важен специфический формат или стиль, который трудно описать словами.
Связанные термины
Backend-разработчик · Data Scientist · Машинное обучение · Алгоритмы · Техническое интервью · Vibe Coding