Few-shot と Chain-of-Thought:推論精度を上げる

AI Navigate Original / 2026/4/27

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

要点

  • Few-shot:3-5 例で同じ調子に回答させる
  • 例選びが肝:多様性・境界例・同形式・順序
  • CoT:段階的に考えさせ推論/計算精度を上げる
  • Reasoning モデルは自動 CoT、Few-shot は形式/トーン固定に有効

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。