知识动态实体播客深度开发者关于

[控场AI]

AI 领域实时知识。所有信息可溯源验证，数据 24 小时内持续更新。

Powered by 240+ first-hand AI sources

知识库

知识动态
热门实体
播客

开发者

CLI
MCP Server
REST API
关于

© 2026 KongchangAI. 控场AI，获取最新、最准的 AI 领域知识

待验证50% 置信事实精确时间

少样本（Few-shot）提示通过提供示例激活上下文学习能力

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

Prompt中一个词如何左右AI输出：可能性之井原理解析

相关事实

已验证Few-Shot Learning是指在提示词中提供少量示例（通常2-8个），让模型通过类比推理完成新任务80% 相似待验证Skill 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78% 相似已验证提供3-5个高质量示例（Few-shot Learning）通常能显著提升模型的指令遵循准确率74% 相似待验证少样本示例（Few-shot Prompting）的工作原理基于Transformer注意力机制，无需更新模型权重，被称为上下文学习（In-context Learning）74% 相似待验证小样本学习（Few-Shot Learning）的主流方法包括基于度量学习的Siamese Network、基于元学习的MAML，以及结合预训练大模型的提示微调74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/509947

API

curl https://kongchang.com/api/v1/knowledge/claims/509947

MCP

get_claim(id=509947)