已验证80% 置信事实精确时间
上下文学习（ICL）指大语言模型无需更新权重，仅通过在输入提示中提供示例或指令就能执行新任务的能力，这一能力在GPT-3论文中被首次系统性描述
4
来源数
80%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
已验证上下文学习（In-Context Learning）指大语言模型无需更新权重，仅通过在输入提示中提供示例或指令即可执行新任务的能力，该能力在 GPT-3 论文中被首次系统性描述76% 相似已验证提示词工程的有效性根植于大语言模型的「上下文学习」（In-Context Learning）能力，无需修改模型权重即可实现任务切换67% 相似待验证这篇arXiv论文指出，如果只用孤立的三元组训练大语言模型，模型往往学不到三元组周边的上下文，而这些上下文是多跳推理所必需的65% 相似待验证Skills范式利用大语言模型本身同时完成意图理解、槽位填充和参数结构化，实现零样本意图路由，无需额外训练数据65% 相似已验证基础模型通过在海量无标注文本上预测'下一个词'来学习，采用自监督学习范式，由GPT系列、LLaMA等模型代表63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/592035API
curl https://kongchang.com/api/v1/knowledge/claims/592035MCP
get_claim(id=592035)