上下文學習是什麼？In-context Learning完整解說

上下文學習 (In-context Learning) 指的是大型語言模型無需額外訓練，僅通過輸入範例即可學習新任務的能力。

上下文學習 vs 微調 上下文學習不改模型權重微調會用新資料更新權重最關鍵的區別是現場學，還是重新訓練一部分模型

上下文學習 vs 少樣本學習 少樣本學習是更大的概念上下文學習是大型語言模型常見的做法之一最關鍵的區別是整體目標，還是具體機制

不改權重，直接看範例學。

格式轉換 你只要在提示裡給幾個輸入輸出對，模型就能照著把資料改成你要的格式。

臨時分類 今天要把留言分成正向、負向和中立，明天換標準時，只要改提示範例就能重做。

上下文學習很吃提示品質和範例選擇，範例越貼近任務，效果通常越好。它也受上下文窗口限制，所以能放進去的示例數量不是無限的。

Q1： 你不想重新訓練模型，只想臨時教它新格式，會先想到什麼？ → 上下文學習。

Q2： 任務很固定、長期都要同一種輸出，還只靠提示範例嗎？ → 看情況，這時微調可能更穩定。

閱讀這頁時的常見誤區

只背中英文對照，無法判斷術語的適用情境。先確認定義，再對照完整說明與相關概念，頁面中的考試比重或出題方向，必須和下方標示的資料來源一起閱讀。

不用改模型就能快速適應新任務。

對提示很敏感，而且受上下文長度限制。

選對範例、把任務說清楚、讓輸出格式固定。