모델이 학습할 때 한 번도 보지 못한 데이터·과제로 성능을 측정하는 평가 방식이다.
GLiNER2.5는 16개 zero-shot 벤치마크의 평균(매크로 F1) 56.17을 기록해 새로운 데이터에 대한 일반화 능력을 보여줬다.