Few-shot と Chain-of-Thought 実践:推論精度を上げる技法

AI Navigate Original / 2026/4/27

💬 オピニオンIdeas & Deep AnalysisTools & Practical Usage
共有:

要点

  • Few-shot は「3〜5 個の例で学習させる」プロンプト技法
  • CoT は「step by step で考えさせる」プロンプト技法
  • 両方とも 2025〜2026 年の Reasoning モデルでは自動化されつつある
  • とはいえ、複雑タスクや特殊フォーマットでは依然有効
  • 例の選び方・出し方が成果を大きく左右する

Few-shot プロンプティング

こういう質問にはこう答える」という例を 3〜5 個示すと、LLM が同じ調子で回答するようになる技法。例ゼロは Zero-shot、1 つは One-shot。

例:感情分類

以下のレビューを「ポジ/ネガ/ニュートラル」で分類:

レビュー: 「待ち時間が長くて疲れた」
分類: ネガ

レビュー: 「料理は美味しかったが値段は微妙」
分類: ニュートラル

レビュー: 「店員さんが親切で居心地良かった」
分類: ポジ

レビュー: 「[判定対象]」
分類:

例の選び方が肝

  • 多様性:似た例ばかりでなく、異なるパターンを含める
  • 境界例:判断が難しい中間例を 1 つ入れる
  • 同じフォーマット:例と本番で出力形式を統一
  • 順序効果:最後の例が結果に影響しやすい

Few-shot が効くケース

  • 独特な出力フォーマット(CSV、特殊な JSON)
  • 会社固有の口調・トーン
  • 専門用語の使い方
  • 「こういう答え方はダメ」を含む例

Chain-of-Thought(CoT)

段階的に考える」プロンプト技法。複雑な推論や数学問題で精度が大幅に上がる。

シンプル形式

続きを読むには無料登録が必要です

アカウントを作成すると、オリジナル記事の全文をお読みいただけます。