Unverified50% confidenceFactExact time
Skill本质上是通过模拟少样本学习效果，在不修改模型权重的前提下，通过提示模板约束模型的输出分布
1
Sources
50%
Confidence
Long-term
Relevance
7/20/2026
First Seen
Sources
Related Claims
UnverifiedSkill 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83% similarUnverified技能注入是'行为约束'，不改变模型知道什么，而是改变模型如何行动，区别于Fine-tuning（重新训练模型权重）和RAG（从外部知识库检索事实性信息）76% similarUnverified单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益75% similarUnverified主动学习策略将有限的人工标注资源集中分配给模型最不确定的样本，兼顾准确率提升与人力最优化75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/567312API
curl https://kongchang.com/api/v1/knowledge/claims/567312MCP
get_claim(id=567312)