名词解释 / 07

Zero-shot(零样本)

第 127 / 127 个名词进一步了解 AI 原理

英文名称:Zero-shot(全称 Zero-shot Learning,缩写 ZSL) 常见别名:零样本能力、零样本识别、零样本分类 所属分类:进一步了解 AI 原理

一句话解释

Zero-shot(零样本)指 AI 完成一件「没有被专门教过」的任务时,不需要你先提供任何示例或历史案例,只凭一段文字描述就能直接上手。它做得到,是因为训练阶段已经读过海量通用内容,能把你描述的要求对应到它已有的知识上。换成大白话:来了件没干过的活,只要讲清楚要求,它就能直接开干,不用先给样张。

工作中什么时候会遇到

你很可能已经在用,只是没意识到。在办公助手(千问办公、WorkBuddy 等产品里的 AI 功能)里,第一次让它写一种从没写过的文件、按一条从没讲过的规则整理资料,它直接能做,不需要你先附上几个「正确例子」——这就是零样本在起作用。它也是很多产品里「用文字描述就行」和「要上传示例数据训练」两种配置方式的区别所在,前者走的就是零样本。

它更明显的场景是「没数据、没先例」的时候:新开业务、上新产品线、遇到以前从没见过的客户投诉、供应商品类或异常问题。过去这类需求要等攒够历史样本才能用上 AI,现在常常当天就能先试起来。某个具体产品是否提供、效果如何,以当前版本和官方说明为准。

能解决什么问题

  • 解决冷启动:新业务、新产线没有历史数据,AI 也能先跑起来,不用等几个月攒案例。
  • 覆盖「没见过」的情况:新出现的缺陷、客诉类型、品类、政策要求,没有现成样本也能被归类或识别。
  • 省去整理和标注样本:普通员工用语言描述需求即可,不用先准备一堆数据和标准答案。
  • 快速验证想法:一个场景值不值得用 AI,当天就能试出大概效果,再决定是否投入。
  • 一套通用能力应对多种不特定任务,不必每类任务单独开发一套系统。

举个例子

某家电企业的售后主管想用 AI 把每天几百条售后留言自动归类,再转给对应同事。老办法要提前为每个类别收集几百条历史留言做训练,光冷启动就要一两个月。换成支持「用文字描述类别、无需样本即可用」的 AI 智能体后,主管先把规则写成一句话定义:「物流问题:发货延迟、运输破损、到货时间」「安装问题:上门安装、调试、验收」,当天就开始了自动分类。

第二天来了一条「海外客户被海关扣货」的留言,历史数据里完全没有同类样本,AI 仍能根据描述把它归到物流清关一类并转给负责同事。主管没有直接采信结果,而是先抽查了前 100 条,把容易混淆的类别描述改得更细,确认准确率够高才逐步放量。这里「分类规则用文字定义、不需要喂样本」的部分,就是零样本在工作。

怎么使用

普通员工不需要做任何技术配置,零样本是模型自带的能力。你要做的是把任务描述清楚:让 AI 处理什么、按什么标准、输出成什么样。想让它覆盖一个新类别,就给出一段准确的定义或判断依据;第一次用完后人工抽查一批结果,分错的就回去把描述改准。描述越具体、边界越清楚,结果通常越稳定。

如果是在企业内部搭一个固定用途的自动化功能(比如工单自动分诊、文档自动归档),一般由 AI 服务商或公司 IT 在 AI 智能体的配置后台把类别定义和提示词写好。准确率要求高的环节,他们会先在零样本基础上补充少量示例做针对性调整,普通员工主要负责验收效果、反馈错例。

使用时要注意什么

零样本不等于零错误。它依靠的是模型已有的通用知识,对你们公司特有的行话、内部流程、新出台的政策、冷门专业领域可能理解不准。它适合用来「起步」,不适合直接当作高精度结果的最终方案;质检判级、涉及处罚的判定这类场景,一定要先小范围试。对反复出现的稳定任务,等积累了足够样本后,补示例或做针对性调整通常比一直靠零样本更准。

判断效果时别被宣传带偏:零样本不等于 AI 凭空会,而是它此前已在海量数据里学过通用规律,声称零样本的方案也可能做过针对性准备。模型版本会影响能力,产品功能也在变化,实际表现要拿自己的数据实测,以当前版本和官方说明为准。凡是做分类、识别的任务,都应留人工抽查环节,至少先核对前一两百条结果。

容易混淆的词

  • 少样本(Few-shot):零样本一个例子都不给,只给描述;少样本是在描述之外再附上几个示例,让 AI 照着做。实际使用时,零样本效果不稳,加两三个例子往往立刻变准,这一步就是少样本。两者都不改动模型本身。
  • 微调(Fine-tuning):零样本是使用阶段不加样本,开箱即用;微调是用你公司的数据把模型再训练一遍,成本高但贴合度高。它们是两条不同路径,不是同一件事的强弱之分。
  • 无监督学习:无监督是 AI 自己从没有标注的数据里找规律,不会告诉你分出的类别是什么意思;零样本是你明确告诉它要识别什么,它靠通用理解去完成,两者场景完全不同。
  • 冷启动:这是业务问题(新项目没有历史数据),不是技术方法。零样本只是解决冷启动的一种手段,二者不是一回事。

相关名词

大语言模型 微调(Fine-tuning) 提示词(Prompt) AI 智能体 泛化能力

参考来源