01 / UNDERSTAND
仕組みと使いどころ
文脈内学習では、事前学習済みの言語モデルに、課題の指示や入出力の組をプロンプトとして与えます。モデルはそれらを一時的な手掛かりとして関係や形式を推測し、続く入力への出力を生成します。例がないゼロショット、1件を示すワンショット、複数を示すフューショットなどがあります。追加の学習や重みの更新を伴わない点が、ファインチューニングとの主な違いです。一方、結果はモデルの能力、事前学習データ、例の内容・順序・表記に左右されます。専門分野では十分に適応できない場合があり、偏りや誤り、安全上望ましくない振る舞いが生じる可能性もあります。
02 / IN PRACTICE
In-Context Learningの活用例
たとえば、こんな場面で
感情分類なら、「良い接客→肯定的」「ひどい製品→否定的」のような例をプロンプトに示し、未分類の文章に同じ形式の判定を求める使い方が考えられます。モデル自体を再学習せず、例を入れ替えて別の分類規則を伝えられます。
03 / GOOD TO KNOW
使うときのポイント
代表的で正しい例を選び、入力・出力の形式とラベル表記をそろえてください。例の順序や文言を変えて結果の安定性を確認し、重要な用途では出力を人が検証する必要があります。
参考資料
What is In-Context Learning (ICL)? | IBM （新しいタブで開きます）Many-shot jailbreaking （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。