L'apprentissage zero-shot est la capacité d'un modèle à réaliser une tâche sur laquelle il n'a jamais été explicitement entraîné, sans aucun exemple fourni dans le prompt. Le modèle s'appuie uniquement sur ses connaissances pré-entraînées et sa capacité de généralisation. Par exemple, vous pouvez demander à un LLM de traduire une phrase darija en japonais même si aucune paire darija-japonais n'existait dans ses données d'entraînement. Cette flexibilité est une caractéristique des grands modèles de langage.