Zero-shot

Nivel intermedio Revisado el 6 de octubre de 2026

Capacidad de un modelo para realizar una tarea o reconocer una categoría sin ejemplos etiquetados específicos de esa tarea durante su adaptación.

Explicado fácil

En un uso zero-shot, el modelo recibe una tarea o una categoría que no se le ha mostrado como ejemplo etiquetado específico durante esa adaptación y aun así intenta responder usando capacidades y conocimiento aprendidos antes.

Una analogía

Es como pedirle a alguien que clasifique una fruta nueva describiéndola con palabras que ya conoce, sin enseñarle antes una colección de ejemplos de esa fruta.

Un ejemplo

CLIP compara la representación de una imagen con descripciones de texto para elegir cuál encaja mejor, incluso con nombres de categorías que no formaron parte de un ajuste supervisado específico para esa clasificación.

Cómo funciona (nivel técnico)

El término cubre configuraciones distintas. En clasificación zero-shot, las clases pueden describirse mediante atributos o texto y compararse con la representación del ejemplo. En modelos de lenguaje, una instrucción puede especificar la tarea sin incluir demostraciones resueltas. El rendimiento depende de la transferencia, la representación y la formulación de las etiquetas o instrucciones.

Errores comunes

Interpretar «sin ejemplos» como «sin entrenamiento»: el modelo sí se entrenó, pero no con ejemplos específicos de esa tarea en el momento de uso.
Confundir zero-shot con few-shot, donde sí se proporcionan algunas demostraciones.
Suponer que el modelo conoce cualquier categoría nueva o que sus resultados son fiables sin evaluación.