在零样本提示中，模型只会得到任务描述。Brown et al.（2020）证明，规模足够大的模型在这种情况下表现出奇地好；Wei et al.（2022）则表明，指令微调（instruction tuning）——即在大量以指令形式表述的任务上进行微调——能大幅提升模型在未见过任务上的零样本表现。
零样本提示快速、简洁，但面对不常见的格式或边缘情况时可靠性较差，这时提供几个示例会有帮助。
提示词
2026 年更新
零样本提示（Zero-Shot Prompting）
定义
不提供任何示例，仅凭指令和模型的预训练知识让模型完成任务。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Language Models are Few-Shot Learners
Finetuned Language Models Are Zero-Shot Learners
词典与百科条目
- Wikipedia — Zero-shot learning
- IBM — Think / Topics — What is zero-shot learning?
引用本条目
MultipleChat.《零样本提示（Zero-Shot Prompting）》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/zero-shot