English(EN) When Does Few-Shot Prompting Help? A Systematic Empirical Study of Shot-Count Effects Across Model Scale, Architecture, and Output Parsing Robustness

研究发现，少样本提示的有效性在大型语言模型之间差异很大

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-25 00:31

一项新近发表在 arXiv 上的研究，调查了不同大型语言模型在少样本提示方面的有效性，并考察了不同样本数量如何影响分类性能。该研究在 AG News 基准测试上，分析了包括 Gemini Flash Lite、GPT-4o mini 以及几种 Llama 变体在内的五种模型，并使用了六种不同的样本数量配置。研究结果揭示了截然不同的行为模式：一些模型表现出性能提升，另一些模型则遭遇了灾难性的零样本失败，还有一些模型随着样本数量的增加而性能下降。该研究还识别并纠正了一个解析伪影，该伪影曾导致一个模型的性能指标出现偏差。 AI

影响揭示了最优提示策略是模型特定的，而非通用的，这影响了开发人员如何微调大型语言模型的性能。

排序理由学术论文，详细介绍了对大型语言模型提示技术的实证研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了对大型语言模型提示技术的实证研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 70 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Ashvi Soni · 2026-07-25 00:31

少样本提示何时有效？一项关于模型规模、架构和输出解析鲁棒性的样本数量效应的系统实证研究

Few-shot prompting, the practice of prepending a small number of input-output demonstration pairs to a query before presenting it to a large language model (LLM), is among the most widely adopted inference-time techniques in NLP. Yet little systematic work investigates how shot c…

本文如何被排名

报道来源 [1]

少样本提示何时有效？一项关于模型规模、架构和输出解析鲁棒性的样本数量效应的系统实证研究

相关实体

相关话题