基础概念

少样本提示

Few-shot Prompting

在提示里给两三个示例,让模型照着做。

又称 Few-shot 少样本

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

示例比形容词有效得多。「语气专业一点」很难执行,「按下面两条示例的格式与语气改写」就明确得多。示例同时也定义了边界:给的反例越多,模型越少犯同类错误。

注意两点:示例要覆盖真实分布(别只给简单样本);示例本身有错,模型会稳定地学错。示例超过十几个之后收益递减,该考虑微调了。

02 什么时候会碰到它
刚上手大模型、看文档或教程时

这些词几乎出现在每一篇入门材料里:token 决定成本,上下文窗口决定能塞多少,幻觉决定你敢不敢直接信。先把它们认全,后面读选型、读架构才不卡壳。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活