⚡
Zero-shot Prompting예시 없이 지시
예시를 주지 않고 지시만으로 원하는 답을 얻는 가장 기본적인 기법
원리
Zero-shot은 "예시 없이 지시만"으로 AI에게 작업을 요청하는 방식입니다. GPT-3 논문에서 in-context learning의 대조군으로 소개되었고, 현대 대형 언어모델은 많은 작업에서 Zero-shot만으로도 Few-shot 못지않은 성능을 냅니다. "지시 튜닝(instruction-tuned)" 모델이 보편화되면서 Zero-shot이 기본 사용 방식이 되었습니다. 단순하고 빠르지만, 출력 형식이 불안정할 수 있다는 단점이 있습니다.
✅ 언제 쓰면 좋은가
- 작업이 명확하고 일반적인 경우 (번역·요약·분류 등)
- 예시를 준비하는 것이 번거로운 탐색 단계
- 출력 형식이 엄격하지 않아도 되는 경우
- 최신 지시 튜닝된 모델(Claude, GPT-4, Gemini 등)과 대화할 때
❌ 언제 쓰지 말아야 하나
- 출력 형식이 정확히 일치해야 할 때 (→ Few-shot 권장)
- 특정 스타일·톤이 중요한 창의 작업
- 추론 단계가 많은 복잡한 문제 (→ Chain-of-Thought 권장)
- 전문 도메인에서 일관된 용어 사용이 필요할 때
Before / After 예시
간단한 분류
Before (기법 적용 전)
이 리뷰가 긍정인지 부정인지 알려줘. "배송은 빨랐는데 상품 품질이 기대보다 실망스러워요."
After (기법 적용 후)
지시: 아래 리뷰를 긍정/부정/중립으로 분류하세요. 리뷰: "배송은 빨랐는데 상품 품질이 기대보다 실망스러워요."
💡 일반적 작업은 Zero-shot으로 충분. 최신 모델은 한 번에 정확히 분류합니다.
형식이 필요할 때
Before (기법 적용 전)
[Zero-shot] 다음 뉴스를 3문장으로 요약해 줘. "..."
After (기법 적용 후)
[Few-shot으로 전환] 예시: 입력: "..." → 요약: "...",... 실제: "..." → 요약:
💡 정확한 3문장이 필요하면 Few-shot이 더 일관적. 대략적 요약이면 Zero-shot으로 충분.