few-shot learning
概念词 📚 基础词库 · 存量热词少样本学习
🔍 Google 联想 8 📅 首次出现 2026-08-28
🧠 few-shot learning 是什么
少样本学习(Few-shot Learning)指模型仅凭少量标注示例(通常几个到几十个)就能掌握新任务的学习范式。GPT-3 论文《Language Models are Few-Shot Learners》(2020)系统展示了这一能力。
在 LLM 语境下,few-shot 通常指在提示词中附上几个输入-输出示例,引导模型按示例格式完成任务,无需更新任何参数(即上下文学习)。这与传统机器学习动辄需要成千上万样本的范式形成鲜明对比。
少样本提示的效果受示例选择与排序影响,因此出现了自动检索示例(如基于嵌入相似度选例)等优化方法。对更复杂的任务,少样本还经常与思维链提示叠加使用。
🔥 为什么现在火
少样本能力让大模型「开箱即用」,是提示工程的基石技巧;在标注数据稀缺的场景,它也是快速验证任务可行性的首选方案。
📄 证据链(交叉验证)
- ▸arxiv《Language Models are Few-Shot Learners》(GPT-3, Brown et al., 2020)
- ▸维基百科 Few-shot learning (natural language processing) 词条
🔍 搜索形态
what is few-shot learning few-shot learning examples few-shot vs zero-shot few-shot learning LLM
few-shot learning 常见问题 FAQ
few-shot 和零样本有什么区别?+
零样本不给示例、只靠指令;few-shot 在提示中放几个示例,后者通常准确率更高。
few-shot 示例怎么选效果好?+
选择与当前输入语义相近、格式清晰、标注正确的示例,一般 1-5 个即可,过多可能引入噪声或超出窗口。
与 few-shot learning 相关的搜索
人们搜索 few-shot learning 时,还会关心这些问题:
- few-shot learning 是什么
- 什么是 few-shot learning
- few-shot learning 是什么意思
- few-shot learning 原理
- few-shot learning 有什么用
- few-shot learning 应用场景
- few-shot learning 为什么火
- few-shot learning 2026