퓨샷 러닝
퓨샷 러닝(Few-Shot Learning)은 LLM에게 과제를 지시할 때 프롬프트에 2~5개의 '입력 → 원하는 출력' 예시를 포함해 모델이 그 패턴을 따르게 하는 기법입니다. 별도 학습 없이 프롬프트만으로 모델의 행동을 원하는 방향으로 정렬시키는 가장 실용적인 프롬프트 엔지니어링 기법 중 하나입니다.
퓨샷 러닝(Few-Shot Learning)은 LLM에게 과제를 지시할 때 프롬프트에 2~5개의 '입력 → 원하는 출력' 예시를 포함해 모델이 그 패턴을 따르게 하는 기법입니다. 별도 학습 없이 프롬프트만으로 모델의 행동을 원하는 방향으로 정렬시키는 가장 실용적인 프롬프트 엔지니어링 기법 중 하나입니다.
왜 중요한가
2020년 GPT-3 논문 "Language Models are Few-Shot Learners"에서 처음 체계적으로 제시된 이 기법은, 대형 LLM이 '학습된 적 없는 과제도 몇 개의 예시만 보여주면 즉시 수행'한다는 놀라운 능력을 입증했습니다. 같은 과제에서 Zero-Shot(예시 없이 지시만) 대비 Few-Shot의 정확도는 평균 20~40% 높습니다. 파인튜닝 없이도 빠르게 품질을 올릴 수 있는 가장 저렴한 개선 수단입니다.
Zero-Shot vs Few-Shot vs Fine-Tuning
Zero-Shot Learning: 예시 없이 지시만 제공.
"다음 문장의 감정을 긍정/부정/중립으로 분류해줘: [문장]"
Few-Shot Learning: 2~5개 예시를 제공.
"문장을 긍정/부정/중립으로 분류해. 예시 1: '정말 좋았어요' → 긍정 예시 2: '별로였어요' → 부정 예시 3: '괜찮았어요' → 중립 분류할 문장: [새 문장]"
Fine-Tuning: 수백~수천 개 예시로 모델 가중치를 업데이트.
| 항목 | Zero-Shot | Few-Shot | Fine-Tuning |
|---|---|---|---|
| 준비 비용 | 없음 | 몇 분 | 수시간~수일 |
| 정확도 | 낮음 | 중간 | 높음 |
| 토큰 소비 | 낮음 | 중간(예시 포함) | 낮음(이후) |
| 유연성 | 즉시 변경 | 즉시 변경 | 재학습 필요 |
Few-Shot은 Zero-Shot과 Fine-Tuning의 중간 지점으로, '빠른 개선이 필요한 대부분의 실무 과제'에 최적입니다.
효과적인 Few-Shot 예시 설계
다양한 케이스 포함: 긍정·부정·엣지 케이스를 골고루 넣어 모델이 분포를 이해하게 합니다.
일관된 형식: 모든 예시가 동일한 포맷(입력 → 출력)을 따라야 모델이 구조를 명확히 파악합니다. 포맷이 흔들리면 오히려 정확도가 떨어집니다.
어려운 경계 사례: 쉬운 예시만 넣으면 모델이 경계를 학습하지 못합니다. "긍정처럼 보이지만 실제로는 중립인" 같은 미묘한 사례를 포함합니다.
예시 순서: 연구에 따르면 예시 순서가 결과에 영향을 줍니다. 일반적으로 가장 확실한 예시를 먼저, 어려운 예시를 나중에 배치합니다.
예시 개수: 3~5개가 대부분의 과제에서 최적. 더 늘려도 개선이 미미하고 토큰 비용만 늘어납니다.
적합한 활용 사례
분류: 고객 문의를 카테고리별로 자동 라벨링.
포맷 변환: JSON을 Markdown으로, 비정형 텍스트를 구조화된 데이터로.
스타일 모방: 특정 브랜드 보이스나 작가의 문체를 몇 개의 예시로 학습시키기.
도메인 특화 추출: 계약서·논문에서 특정 정보를 뽑아내기.
번역 미세 조정: 일반 번역 대신 자사 용어집을 반영한 번역.
한계
컨텍스트 낭비: 예시가 길어질수록 토큰 비용이 늘고 컨텍스트 윈도우가 줄어듭니다.
Fine-Tuning보다 일관성 떨어짐: 대규모 반복 과제는 파인튜닝이 더 안정적입니다.
최신 모델은 Zero-Shot 강화: Claude Opus 4.6·GPT-5 같은 최신 모델은 Zero-Shot 성능이 크게 향상되어 Few-Shot의 이득이 과거보다 작아졌습니다. 과제에 따라 Zero-Shot으로 충분한 경우가 많습니다.
예시 품질이 결과 결정: 나쁜 예시는 나쁜 출력으로 직결됩니다. 예시 설계가 Few-Shot의 핵심 품질 결정 요소입니다.
Sources:
- Language Models are Few-Shot Learners - OpenAI (GPT-3)
- Few-Shot Prompting Guide - Prompt Engineering Guide
- Few-Shot Examples - Anthropic
관련 인블로그 게시물
inblog에서 활용하기
inblog에서 AI로 블로그 초안을 생성할 때 브랜드 보이스에 맞는 기존 포스트 2~3개를 Few-Shot 예시로 프롬프트에 넣으면, 매번 초안이 일관된 톤·구조·어휘로 생성됩니다. 이는 파인튜닝 없이도 '우리 블로그 스타일을 이해하는' 초안을 얻는 가장 빠른 방법입니다.