跳到正文
docai.cc

DOCAI · 概念 · L2

什么是 few-shot

一句话定义

在提示里给几个「输入 → 输出」示例,让模型照着完成新任务,不更新任何权重。

开发者更新 2026-11-13核验 2026-11-13 · docai 编辑部

它解决什么

有些任务很难用文字描述清楚,但很容易举例。

比如「把这句话标成正面/负面/中性」——解释半天不如给三个例子。

示例写在提示里,模型这一次照着做,权重完全不变。

怎么给示例

  1. 选代表性样本:覆盖每一类,包括边界情况。
  2. 格式固定:输入和输出的写法在每条示例里完全一致。
  3. 顺序:把最像目标输入的例子放最后。
  4. 数量:通常 3–5 个就够,继续加收益递减,还占窗口。

什么时候会失效

  • 示例互相矛盾:同类输入给了不同输出,模型会摇摆。
  • 示例不覆盖真实分布:线上出现没见过的类型,它就照最近的例子硬套。
  • 任务需要精确计算:示例教不会算术,该用工具或代码。
  • 输出很长:示例占满上下文,留给实际输入的空间不够。

三个常见误解

  • 「示例越多越好」:不是。数量和效果不是线性关系,窗口和成本才是线性涨。
  • 「few-shot 等于微调」:不是。示例只在这一次生效,换个会话就没了。
  • 「示例可以随便写」:示例就是规格。写错一个,模型会稳定地跟着错。

和相邻做法对比

对比 zero-shot few-shot 微调
要不要示例 不要 3–5 个 大量标注数据
生效范围 单次 单次 整个模型
成本 最低 低 高
适合 任务常见、描述清楚 格式特殊、难描述 大规模、要求稳定

延伸阅读

来源

定义与事实以以下来源为准;表述与取舍是本站整理的。
  1. [1]OpenAI · Prompt engineering
  2. [2]Brown 等 · Language Models are Few-Shot Learners(arXiv)

相邻概念