少样本

few-shot

few-shot(少样本)指只向模型提供少量输入与答案示例就让其完成任务的方式,通常指在提示词中加入示例的做法。

1篇文章最近提及

few-shot(少样本)指仅凭少量示例就让模型完成新任务的方式。在大语言模型中,它通常指少样本提示,即在提示词中加入若干输入与期望输出的示例,以引导回答的格式和解题方式。这种做法不改变模型权重,并与不给任何示例的zero-shot(零样本)、只给一个示例的one-shot(单样本)相区分。

在机器学习中,这一术语原本指少样本学习,即在标注数据极少的条件下训练模型。语言模型仅凭提示词中的示例就能掌握任务的现象称为上下文学习,所选示例及其排列顺序都会影响结果。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。

涉及该条目的文章

  • AI智能体优化指南:改提示词还是训练权重,如何取舍AI性能 ·

    少样本示例

    阅读文章

发现说明有误或找不到条目?

百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。