少样本提示在上下文中放入若干输入–输出示例，让模型在不更新任何权重的情况下通过上下文学会任务。Brown 等人（2020）证明，这种能力会随规模增长而涌现，而且对于常见任务，只需添加几个示例，往往就能大幅缩小与微调系统之间的差距。
当所需格式很具体或不常见时，示例最有用——而这恰恰是零样本提示容易出问题的情况。
提示词
2026 年更新
少样本提示（Few-Shot Prompting）
定义
在提示词中给模型提供几个示例，让它在回答前先推断出其中的规律。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Language Models are Few-Shot Learners
词典与百科条目
- Wikipedia — Few-shot learning
- IBM — Think / Topics — What is few-shot learning?
引用本条目
MultipleChat.《少样本提示（Few-Shot Prompting）》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/few-shot