生成AIアドバイザー認定試験 用語解説
Few-shotとは
課題の例（デモンストレーション）を少数だけプロンプトに文章で示し、モデルの重みを更新せず（勾配の更新や微調整なしに）新しい課題を解かせる使い方。GPT-3（1,750億パラメータの自己回帰型言語モデル）の論文では、翻訳や質問応答などで、この設定の性能が言語モデルの大規模化で大きく上がると報告されている。公式シラバスでは「例を提示する（Few-shot/In-context learning）」として、よく利用されるプロンプトテクニックに挙がる。
まず押さえる結論
Few-shotは、生成AIアドバイザー認定試験の「第3課題 プロンプトエンジニアリング」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-10-04。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第3課題 プロンプトエンジニアリング」の問題で、取り違えやすい組み合わせです。
- Few-shot・Role-playing・Negative/Constraint Prompting・Iterative Refinementの取り違え。例を示すのがFew-shot、役割を指定するのがRole-playing、禁止や制約を示すのがNegative/Constraint Prompting、出力を見て直しながら繰り返すのがIterative Refinementである。
- Chain of ThoughtとContext settingの混同。途中の考え方を順に書かせるのがChain of Thought、依頼の背景や状況を伝えるのがContext settingである。
- プロンプトを、学習データやパラメータと混同すること。プロンプトは利用者が生成AIに与える指示や質問の入力である。目的と条件を具体的に書くのが基本で、出力が不十分なら見直す。
関連する確認問題
第3課題 プロンプトエンジニアリング / 第3章 よく利用されるプロンプトテクニック
プロンプトの中に、期待する入力と出力の例をいくつか示して、望む形の回答を導く方法はどれか。
正解は「Few-shot（例を提示する方法）」である。プロンプトに期待する入力と出力の例をいくつか示すと、モデルは例の形式や基準を手がかりに、望む形に近い回答を作りやすくなる。役割を指定するRole-playingは立場を決める技法、否定条件・制約を入れるNegative/Constraint Promptingは禁止事項や条件を示す技法、反復・改善サイクルのIterative Refinementは出力を見てプロンプトを直していく進め方であり、いずれも例を示す方法ではない。問題文の手がかりは入力と出力の例を示す点である。
第3課題 プロンプトエンジニアリング / 第3章 よく利用されるプロンプトテクニック
複数の手順を踏んで答えを出す計算問題で、モデルに途中の考え方を順に書かせてから結論を出させる方法はどれか。
正解は「Chain of Thought（ステップ・思考プロセスを促す方法）」である。結論だけを求めず、途中の考え方を順に書かせてから結論を出させることで、複数の手順を踏む計算問題にも対応しやすくなる。依頼の背景や状況を伝えるContext setting、役割を決めるRole-playing、例を示すFew-shotは、いずれも別の目的で使う技法であり、途中の考え方を順に書かせる方法ではない。問題文にある「途中の考え方を順に書かせる」という手がかりに注目する。
同じ章で確認したい用語
到達チェック
- Few-shotを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Few-shotに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）