Aprendizado Zero-Shot é a capacidade de um modelo de realizar tarefas para as quais não foi explicitamente treinado, apenas com base em uma descrição da tarefa em linguagem natural. Por exemplo, um modelo treinado para classificar textos pode, sem exemplos adicionais, classificar sentimentos em críticas de restaurantes simplesmente porque a instrução descreve a tarefa com clareza. Essa capacidade emergiu em modelos de linguagem grandes (LLMs) como subproduto do treinamento em vastas quantidades de texto — o modelo aprendeu padrões gerais de raciocínio e instrução-seguimento. Contrasta com o Few-Shot Learning, onde são fornecidos alguns exemplos no prompt, e com o Fine-Tuning, onde o modelo é retreinado com novos dados. No contexto prático brasileiro, o Zero-Shot é muito usado em classificação de e-mails, moderação de conteúdo e extração de informações, pois elimina a necessidade de datasets anotados para cada novo caso de uso — reduzindo custo e tempo de implantação. O sucesso do Zero-Shot depende muito da qualidade do prompt e da capacidade do modelo base.
Navegar por letra: