解码 · 部署 · 应用模块八 · 上下文学习概念约 11 分钟
上下文学习：不训练也能学新任务
示例放进提示里，模型就会了
学完这节你能：
- 定义上下文学习(ICL)
- 区分 zero/few-shot
- 了解其底层机制的直觉
上下文学习(In-Context Learning)：不更新任何权重，只在提示里给几个「输入→输出」示例，模型就能照着完成新任务。这是大模型的核心涌现能力(回顾 Stage 1)。
- zero-shot：只给指令，不给示例。
- few-shot：给几个示范样例，触发模型模仿其模式。
- 机制直觉：模型在预训练中见过海量「模式」，提示中的示例相当于「指认」该用哪种模式，在前向过程中隐式地完成了一次「类比推理」，权重不变。
🔑 关键：ICL 不改权重、只在推理时发生。这和「微调」有本质区别——微调改参数、ICL 改上下文。
自测上下文学习(ICL)的关键特征是：
// 带走一句话
上下文学习=提示里给示例、不改权重就学会新任务(zero/few-shot)；与微调本质不同：改上下文而非改参数。
独立练习
做到这些，才算完成本节
- 合上正文，用自己的话解释核心概念。
- 写出一个相似概念，并说明两者最关键的区别。
学习记录
记录本节阅读进度
建议先独立回答自测。读完记录不等于已经掌握。