Few-shot Learning

정의

**Few-shot Learning (소량 샘플 학습)**은 매우 적은 수의 예제(보통 2~10개)만으로 LLM이 새로운 작업을 수행하도록 학습하는 기법입니다.

대비: 학습 패러다임

패러다임	샘플 수	학습 시간	비용	정확도
Zero-shot	0	즉시	무료	낮음
Few-shot	2~10	즉시	무료 (인컨텍스트)	중상
Fine-tuning	1000+	수시간	고비용	높음

Few-shot Learning의 구조

프롬프트 = 
  [전체 지시문]
  +
  [예제 1: 입력 → 출력]
  +
  [예제 2: 입력 → 출력]
  +
  [예제 3: 입력 → 출력]
  +
  [실제 입력]

예시: 감정 분석

지시문: “다음 텍스트의 감정을 분석하세요. 결과는 긍정/부정/중립으로 분류하세요.”

예제 1: “이 영화는 정말 훌륭했어요!” → 긍정 예제 2: “너무 지루한 책이었다.” → 부정 예제 3: “그냥 평범한 날씨네요.” → 중립

실제 입력: “이 제품은 기대했던 것보다 나았어요.” LLM 출력: 긍정

온톨로지 생성에서의 Few-shot Learning

Video 2의 핵심 활용:

지시문: "다음 의료 텍스트로부터 온톨로지 구조를 JSON으로 추출하세요"
 
예제 1:
입력: "환자 Alice는 2023년 1월에 고혈압으로 진료받았습니다."
출력: {
  "classes": [
    {"name": "Patient", "attributes": ["name"]},
    {"name": "Diagnosis", "attributes": ["type", "date"]}
  ],
  "relationships": [
    {"from": "Patient", "to": "Diagnosis", "type": "HAS"}
  ]
}
 
예제 2: [유사한 예제 제시]
 
실제 입력: "의사 Bob은 Seoul Hospital에서 환자들을 진료합니다."
LLM 출력: [올바른 온톨로지 구조 생성]

Few-shot vs. Fine-tuning

측면	Few-shot	Fine-tuning
준비 시간	수분	수시간
비용	저	고
정확도	중상 (70~80%)	높음 (90%+)
유연성	높음 (즉시 변경)	낮음 (재학습 필요)
사용 시점	빠른 프로토타입	프로덕션 시스템

관련 개념

• Prompt Engineering — Few-shot 프롬프트 설계
• Generative AI — LLM의 맥락 학습 능력
• Ontology — Few-shot로 자동 생성되는 대상

---

관련 영상: Ontology Generation using Large Language Models (Video 2)