in-context learning
概念词 📚 基础词库 · 存量热词上下文学习
🔍 Google 联想 10 📅 首次出现 2026-08-28
🧠 in-context learning 是什么
上下文学习(In-Context Learning,ICL)指大模型在推理时,仅通过把指令和若干示例写进输入,就能「现场学会」执行新任务,而不需要任何梯度更新。GPT-3 论文(2020)首次命名并展示了这一现象。
ICL 与「少样本提示」在实践中几乎同义:示例文本被拼进上下文,模型通过注意力机制隐式模仿示例的模式。它与微调(需更新参数)形成鲜明对照,因此被称为「用提示词做机器学习」。
后续研究发现 ICL 具有复杂特性:对示例顺序敏感、可能被示例「劫持」(如示例夹带误导答案),学界提出了诱导头(Induction Heads)、任务向量等机制解释,继续深化对模型内部行为的理解。
🔥 为什么现在火
ICL 是提示工程现象级能力的学名,随着 Agent 与长上下文应用普及,「用上下文现场教会模型」的做法成为日常,相关机制研究持续高产。
📄 证据链(交叉验证)
- ▸arxiv《Language Models are Few-Shot Learners》(GPT-3 论文,首次命名 in-context learning)
- ▸维基百科 In-context learning 词条
🔍 搜索形态
what is in-context learning in-context learning explained in-context learning ICL in-context learning vs fine-tuning
in-context learning 常见问题 FAQ
in-context learning 和 fine-tuning 有什么区别?+
ICL 不改变模型参数,靠提示里的示例现场学习;fine-tuning 需要训练更新参数,效果更持久但成本高。
上下文学习适用于哪些任务?+
分类、翻译、改写、格式转换等任务效果明显;复杂推理任务通常需要思维链等技巧配合。
与 in-context learning 相关的搜索
人们搜索 in-context learning 时,还会关心这些问题:
- in-context learning 是什么
- 什么是 in-context learning
- in-context learning 是什么意思
- in-context learning 原理
- in-context learning 有什么用
- in-context learning 应用场景
- in-context learning 为什么火
- in-context learning 2026