待验证50% 置信事实精确时间

同一模型在同一基准上，few-shot prompting与zero-shot两种模式下表现可能相差5-15个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/9/8

首次发现

来源

AI公开基准测试：信息自由获取为何重要

涉及实体

few-shot promptingconcept zero-shotconcept

相关事实

待验证提供2至5个典型示例（Few-shot）相比Zero-shot能显著提升模型在复杂任务上的表现72% 相似待验证Few-shot提示通过提供2-5个示例让模型理解模式，比纯文字描述准确率通常高出20%-40%69% 相似待验证同一个基座模型在不同系统提示词下的表现差异可以高达30-50个百分点67% 相似待验证某些AI能力在模型规模低于特定阈值时几乎为零，跨越阈值后急剧提升，呈现非线性的'相变'特征65% 相似待验证斯坦福大学研究表明，相比零样本提示，结合角色设定与Few-Shot示例的结构化提示词可将输出质量提升40%-70%63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/875813

API

curl https://kongchang.com/api/v1/knowledge/claims/875813

MCP

get_claim(id=875813)