28 · Nutzung & Prompting

Zero-Shot

eine Aufgabe ohne Beispiele lösen lassen.

Man gibt dem Modell eine Aufgabe, die es so nie gezeigt bekam — ohne ein einziges Beispiel — und es löst sie aus seinem Vortraining heraus. Dass das oft funktioniert, war die eigentliche Überraschung großer Sprachmodelle. Zero-Shot ist der schnellste Test, ob eine Aufgabe für KI erreichbar ist: erst nackt probieren, dann verfeinern.

Ein Beispiel

„Ordne diese Beschwerde einer der fünf Kategorien zu: Lieferung, Produktqualität, Rechnung, Beratung, Sonstiges.“ Ohne ein einziges Beispiel trifft ein aktuelles Modell damit bei klaren Fällen zuverlässig. Bei Grenzfällen — eine Beschwerde über eine falsch berechnete Nachlieferung — rät es, und zwar bei jedem Durchlauf möglicherweise anders. Die Kategorien in Ihrem Haus sind nicht die, die das Modell aus dem Training kennt.

Genauer betrachtet

Die Aufgabe wird nur beschrieben, nicht vorgemacht. Dass das überhaupt funktioniert, ist eine Eigenschaft großer vortrainierter Modelle: Die Aufgabenform selbst kam im Training in irgendeiner Gestalt vor.

Warum das zählt

Zero-Shot ist der richtige erste Versuch, weil er nichts kostet und sofort zeigt, ob eine Aufgabe überhaupt in Reichweite ist. Als Dauerlösung taugt er nur, wo die Aufgabe allgemein und die Toleranz hoch ist. Für alles mit hauseigenen Kategorien, hauseigenen Grenzfällen und einer Fehlerquote, die jemanden interessiert, ist er der Anfang der Arbeit, nicht das Ergebnis. Die brauchbare Reihenfolge: Zero-Shot messen, dann Beispiele ergänzen, dann — falls nötig — Fine-Tuning prüfen. Wer bei Schritt drei beginnt, zahlt für Schritt eins mit.

Häufig missverstanden

Zero-Shot ist die richtige erste Messung, aber selten der Endstand. Wo es auf ein festes Format ankommt, sind ein oder zwei Beispiele fast immer die billigere Verbesserung.

Nachbarschaft

Verwandte Begriffe

Der Brief.