Few-shot 4장 카드뉴스

AI 활용 분야에서 쓰이는 용어로, LLM에 정답 예시를 2~5개 함께 넣어 똑같은 형식·톤·기준으로 답하게 유도하는 프롬프트 기법입니다.

교수님이 시험 전에 "예시 답안 두세 개 보여줄게" 하고 풀이를 같이 보여주면, 처음 보는 문제도 형식과 기준을 잡기 훨씬 수월하잖아요. Few-shot도 똑같이 LLM에 "이런 입력엔 이런 출력" 짝을 2~5개 끼워 보여주면 모델이 그 패턴을 따라 같은 형식·톤으로 답합니다. 조별 과제에서 보고서 양식 샘플 두 장을 돌리면 팀원들이 알아서 톤을 맞추는 것과 같은 원리예요. 학습 데이터 없이 프롬프트만으로 출력 품질을 끌어올릴 수 있어 실무에서 가장 먼저 시도하는 옵션입니다.

**케이스 1: OpenAI GPT-3 — SuperGLUE 벤치마크에서 zero→few-shot 점프** GPT-3 논문은 같은 175B 모델을 세 가지 설정에서 측정했습니다.[1] SuperGLUE 평균 점수는 zero-shot 60.5점에서 few-shot(32-shot) 71.8점으로 올라 fine-tuned BERT++(71.5점)를 근소하게 앞섰습니다.[1] 같은 모델에 예시만 추