01 详细解释
你把「输入 → 输出」的样例写进提示词,模型会在当前这次推理里归纳出规律,接着处理新问题。权重一个字节都没变,能力只存在于这次上下文里,换个会话就消失。
它是 few-shot 有效的原因,也是为什么示例的写法、顺序、格式会明显影响结果。想稳定复用,通常要把示例固化成模板,或者干脆做微调,而不是每次临时拼。
不改动模型参数,只靠提示里给几个例子,就能让模型临时学会新任务。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
你把「输入 → 输出」的样例写进提示词,模型会在当前这次推理里归纳出规律,接着处理新问题。权重一个字节都没变,能力只存在于这次上下文里,换个会话就消失。
它是 few-shot 有效的原因,也是为什么示例的写法、顺序、格式会明显影响结果。想稳定复用,通常要把示例固化成模板,或者干脆做微调,而不是每次临时拼。
提示里放三条「评论 → 正向/负向」的标注,再给第四条评论,模型就能接着判。
示例尽量覆盖边界情况并固定输出格式;示例顺序一换结果就波动时,该上评测集了。
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。