待验证50% 置信事实精确时间
少样本（Few-shot）提示通过提供示例激活上下文学习能力
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
已验证Few-Shot Learning是指在提示词中提供少量示例（通常2-8个），让模型通过类比推理完成新任务80% 相似待验证Skill 以 Few-shot 示例集合形式呈现时，本质是利用模型的上下文学习（In-Context Learning）能力，无需修改模型权重78% 相似已验证提供3-5个高质量示例（Few-shot Learning）通常能显著提升模型的指令遵循准确率74% 相似待验证少样本示例（Few-shot Prompting）的工作原理基于Transformer注意力机制，无需更新模型权重，被称为上下文学习（In-context Learning）74% 相似待验证小样本学习（Few-Shot Learning）的主流方法包括基于度量学习的Siamese Network、基于元学习的MAML，以及结合预训练大模型的提示微调74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/509947API
curl https://kongchang.com/api/v1/knowledge/claims/509947MCP
get_claim(id=509947)