Few-shot · Zero-shot
只给几个示例就能完成新任务（few-shot），或者不给任何示例也能完成（zero-shot）的能力。
简单来说
让AI做新任务时，先给它看几个示例，这叫few-shot（少样本）；不给示例、只靠说明来完成任务，这叫zero-shot（零样本）。「按这种方式分成3类——示例：……」是few-shot，「把情感分类为正面/负面」是zero-shot。
大型语言模型令人惊讶的地方正在于此——以前的AI每遇到新任务都需要重新训练，而LLM只靠几个示例就能当场完成新任务。这也是一个实用技巧：如果对结果不满意，可以试着附上一两个你想要的结果示例。
亲手试一试
- 先不给示例试试看：「帮我分类这条评价：'发货很快，但箱子被压扁了'」——AI大概率会用正面/负面之类的常见标准来分类。
- 现在加上示例：「像下面的示例一样分类。'味道不错但分量太少' → 遗憾 / '肯定还会再买' → 满意 / 现在这一条：'发货很快，但箱子被压扁了'」
- 只靠两个示例，分类标准本身就变成了你自己定义的标准（满意/遗憾）——这就是few-shot的力量，也是一个实用技巧：如果你想要特定的格式，把示例展示出来就行。