Few-shot Prompting（少样本提示）

少样本提示利用大语言模型的上下文学习能力，通过在输入中嵌入几个任务示例（如输入-输出对），引导模型理解任务意图并生成答案。与微调相比，它无需更新模型参数，节省计算资源且灵活。示例的数量和质量显著影响性能，通常2-5个示例即可。该技术广泛应用于文本分类、翻译、问答等场景，是提示工程的重要组成部分。