待验证50% 置信事实精确时间
GPT-3之后研究者发现通过精心设计的提示，单一大模型即可零样本或少样本完成多类任务，这一范式被称为In-Context Learning
1
来源数
50%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
已验证Few-Shot提示的上下文学习（In-Context Learning）能力在GPT-3的论文中被首次系统性描述84% 相似待验证GPT系列采用单向（因果）注意力掩码，使模型在预训练阶段每个token只能关注其之前的上下文，与BERT等双向模型形成根本区别75% 相似待验证谷歌DeepMind的研究发现GPT类模型在特定提示条件下可精确复现训练集中约1%的文本片段75% 相似待验证自监督学习是GPT系列模型的训练基础，通过预测文本中被遮蔽的下一个词进行学习74% 相似待验证GPT-4o及后续模型通过更长的上下文窗口、强化学习对齐优化和改进的推理链机制，使得30分钟以上的持续专注成为可能74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/550183API
curl https://kongchang.com/api/v1/knowledge/claims/550183MCP
get_claim(id=550183)