Zero-Shot vs Few-Shot (La Fuerza de Ejemplos Múltiples)
Comparación de dos técnicas fundamentales de prompting. Zero-Shot es una consulta directa sin ejemplos. Few-Shot implica proporcionar a la modelo varios ejemplos de la respuesta deseada antes de ejecutar la tarea para calibrar con precisión el formato y el tono.
1. Visión general del concepto y problema sistémico
Cuando un principiante intenta obtener de la IA un formato específico (por ejemplo, reseñas breves con calificación entre paréntesis), suele escribir una larga explicación: “Por favor, analiza la reseña, no escribas nada innecesario, indica la calificación del 1 al 5 obligatoriamente en paréntesis, y luego escribe una oración...”. En respuesta, la modelo a menudo olvida la mitad de las reglas.
En el prompting engineering hay una regla simple: es mejor mostrar un ejemplo una vez que explicar las reglas diez veces.
- Zero-Shot (Consulta Directa): das la tarea directamente, confiando en la erudición general de la modelo.
- Few-Shot (Consulta con Ejemplos): proporcionas a la modelo 2-3 ejemplos de trabajo ideal antes de dar la tarea real.
2. Taxonomía arquitectónica y modelo mental
┌─────────────────────────────────────────────────────────────┐
│ ¿CÓMO SE VE UN PROMPT FEW-SHOT? │
├─────────────────────────────────────────────────────────────┤
│ ❌ Prompt débil Zero-Shot: │
│ “Clasifica esta reseña: Muy buen café, pero el │
│ camarero tardó en traer la cuenta”. │
│ (La modelo puede responder con un largo párrafo de │
│ razonamientos) │
├─────────────────────────────────────────────────────────────┤
│ ✅ Prompt estándar Few-Shot (con 2 ejemplos): │
│ │
│ Ejemplo 1: │
│ Entrada: “La pizza estaba fría, no volveré” │
│ Sentimiento: Negativo (Calificación: 1/5) │
│ │
│ Ejemplo 2: │
│ Entrada: “Entrega rápida y repartidor amable” │
│ Sentimiento: Positivo (Calificación: 5/5) │
│ │
│ Ahora es tu turno: │
│ Entrada: “Muy buen café, pero el camarero tardó en │
│ traer la cuenta” │
│ Sentimiento: │
│ │
│ ➔ La modelo devolverá impecablemente: Mixto (Calificación: 3/5)│
└─────────────────────────────────────────────────────────────┘
3. Pipeline técnico y mecánica interna
01. Formateo de direcciones o números de teléfono
Cuando es necesario unificar diversos registros de Excel en un formato único:
“Entrada: 097-123-45-67 ➔ Salida: +38 (097) 123-45-67 Entrada: 380509998877 ➔ Salida: +38 (050) 999-88-77 Entrada: 063 111 22 33 ➔ Salida: [la modelo captará instantáneamente el patrón]”
02. Redacción en un estilo autoral específico
Si deseas que la IA escriba publicaciones exactamente como tú, dale 2 de tus mejores publicaciones como ejemplo de estilo:
“Aquí está el ejemplo 1 de mi publicación: [texto]. Aquí está el ejemplo 2 de mi publicación: [texto]. Ahora escribe una nueva publicación sobre ciberseguridad en el mismo ritmo y estilo.”
03. Extracción de datos complejos a una tabla
Muestra un ejemplo de cómo extraer de una carta legal cruda una fila de tabla (Número de contrato, Fecha, Monto de la deuda), y la modelo procesará las siguientes 50 cartas según este patrón sin ningún fallo.
FAQ: Zero-Shot vs Few-Shot (La Fuerza de Ejemplos Múltiples)
Términos relacionados
Few-Shot Prompting (In-Context Learning)
Metodología de ingeniería de prompts donde el modelo se adapta a un formato, estilo o lógica específicos durante la inferencia (In-Context Learning) mediante la presentación de 2 a 5 ejemplos de referencia.
Zero-Shot CoT vs Razonamiento Dinámico
Evolución histórica y práctica de las técnicas de razonamiento: desde la simple frase 'Let's think step by step' (Zero-Shot Chain-of-Thought) hasta la asignación nativa de recursos de razonamiento en modelos modernos.
Delimitadores y Etiquetas XML (Estructuración de Prompts)
Técnica de formateo de prompts complejos utilizando etiquetas XML (<context>, <rules>) y comillas triples (\"\"\"). Ayuda al modelo a distinguir claramente dónde termina tu regla y dónde comienza el texto a procesar.