📕 이 사이트를 굴린 428커밋의 기록이 상품이 됐습니다 — 전자책·스타터 키트 보기 →
agenwiki

AI

제로샷 러닝

모델이 특정 작업에 대한 예시 없이, 지시문만으로 바로 그 작업을 수행하는 방식이다. 모델이 학습 과정에서 습득한 일반화 능력에 의존해 새로운 작업에도 곧바로 대응한다.

개념

제로샷 러닝(Zero-shot Learning)은 모델에게 어떤 작업을 어떻게 수행하는지 보여주는 예시(demonstration) 없이, "이걸 분류해줘", "이 문장을 요약해줘" 같은 지시문만으로 바로 작업을 수행하게 하는 방식이다. 별도로 예시를 준비하거나 모델을 추가 학습시키지 않아도 되므로, 지시를 따르도록 조정된 LLM에서 가장 먼저 시도해보는 기본적인 접근 방식으로 꼽힌다.

반대로 퓨샷(few-shot)은 프롬프트 안에 원하는 입력·출력 형태를 보여주는 예시를 몇 개 함께 넣어주는 방식이다. 두 방식은 우열 관계가 아니라 상황에 따른 선택지에 가깝다. 작업이 단순하거나 모델이 이미 널리 알려진 패턴이라면 제로샷만으로도 충분한 경우가 많고, 원하는 출력 형식이나 판단 기준이 까다롭다면 예시를 몇 개 보여주는 퓨샷이 더 안정적인 결과를 내는 경우가 많다고 알려져 있다.

쓰임새

제로샷 러닝은 프롬프트 엔지니어링에서 가장 기본이 되는 시도 방식으로, 새로운 분류 기준을 적용하거나 아직 예시 데이터가 없는 작업을 빠르게 프로토타이핑할 때 특히 유용하다. 예시를 준비하고 검토하는 비용이 들지 않는다는 점이 가장 큰 장점이다.

다만 작업이 복잡해지거나 정답 기준이 모호할수록 제로샷만으로는 결과가 들쭉날쭉할 수 있다. 이럴 때는 예시를 추가하는 퓨샷이나, 지시문에 "단계별로 생각해보자" 같은 문구를 덧붙여 중간 추론 과정을 유도하는 사고의 연쇄 방식을 함께 시도해볼 만하다. 실제로 별도 예시 없이 지시문만으로 단계별 추론을 유도하는 방식도 널리 알려진 제로샷 활용 사례 중 하나다. 프롬프트 설계 기법을 상황에 맞게 골라 적용하는 방법은 프롬프트 엔지니어링 하는 법 가이드에서 다룬다.

관련 용어

관련 글

용어

사고의 연쇄

모델이 최종 답을 바로 내놓지 않고, 중간 풀이 과정을 단계별로 거치도록 유도하는 프롬프트 기법이다. 복잡한 추론이 필요한 문제에서 정확도를 높이는 데 쓰인다.

용어

어텐션

문장 속 각 토큰을 이해할 때 다른 토큰들 중 무엇에 얼마나 '주목'할지를 가중치로 계산하는 메커니즘이다. 트랜스포머의 핵심 연산이다.

용어

트랜스포머

어텐션 메커니즘을 중심으로 문장 속 토큰들의 관계를 한 번에 계산하는 신경망 구조다. 오늘날 대부분의 대규모 언어 모델(LLM)의 기반이 되는 아키텍처다.