生成AIアドバイザー認定試験 用語解説
In-context learningとは
事前学習済みの言語モデルへの入力文を課題の指定として使い、モデルの重みを更新せずに新しい課題を解かせる使い方。GPT-3の論文は、自然言語の指示、または課題の実演（例）を少数与えたうえで、モデルが続きを予測することで同じ課題の別の事例を完成させると説明している。論文では、この過程を指す語として「in-context learning」を使っている。
In-context learningの意味と見分け方
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。
In-context learning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」に出てくる用語です。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。
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
「あなたは経験豊富な人事担当者です」のように、モデルに立場を与えて、回答の視点や口調を整える技法はどれか。
正解は「Role-playing（役割を指定する方法）」である。モデルに人事担当者のような役割を与えると、その立場にふさわしい視点、語彙、口調で回答を組み立てやすくなる。Iterative Refinementは出力を見て直しを重ねる進め方、In-context learningは例を示して形を導く方法、Context settingは状況の説明を渡す方法であり、役割を与えるものではない。問題文の手がかりは、立場を与えて視点や口調を整える点である。 役割を与える技法か、状況を説明する技法かを分けて考えると、Role-playingとContext settingの取り違えを防げる。
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
モデルを再訓練せずに、プロンプトの中に示した例から、望まれる回答の型をモデルが読み取って応じる考え方を表す語はどれか。
正解は「In-context learning」である。プロンプト内に入力と出力の例を示すと、モデルはその例の型を読み取って回答を整える。この例を示す技法がFew-shotである。Role-playingは役割を与える技法、Context settingは背景を伝える技法、Iterative Refinementは回答を見て指示を重ねる進め方であり、例から型を読み取る考え方ではない。問題文の手がかりは、プロンプト内の例から型を読み取る点である。 例を示す技法そのものと、例から型を読み取る考え方とを区別して覚えておくと迷いにくい。
同じ章で確認したい用語
到達チェック
- In-context learning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、In-context learning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: AI資格ドリル編集部（運営者情報を見る）