El few-shot learning permite que un modelo entienda cómo resolver una tarea mostrándole solo un puñado de ejemplos —a veces incluidos directamente en el prompt, sin reentrenar el modelo— en lugar de requerir miles de ejemplos etiquetados como necesitaría un enfoque de aprendizaje supervisado tradicional.
Su aplicación más común hoy
En el contexto de modelos de lenguaje, el few-shot learning suele aplicarse simplemente incluyendo dos o tres ejemplos del formato de respuesta deseado directamente en el prompt, una técnica mucho más rápida y económica que reentrenar o ajustar el modelo para cada tarea nueva.