En el prompting zero-shot, el modelo solo recibe una descripción de la tarea. Brown et al. (2020) demostraron que los modelos suficientemente grandes lo hacen sorprendentemente bien, y Wei et al. (2022) mostraron que el ajuste por instrucciones (instruction tuning), es decir, el ajuste fino en muchas tareas formuladas como instrucciones, mejora de forma notable el rendimiento zero-shot en tareas no vistas.
El zero-shot es rápido y limpio, pero menos fiable con formatos inusuales o casos límite, donde unos pocos ejemplos ayudan.