少样本给几个够：三个起步，注意顺序

数量：三到五个

一条示例，它只能看出个大概。两条，能对比出共性。三条，开始能分辨变量在哪。

超过五条，收益明显下降，因为示例占的上下文越来越长，要处理的内容被挤压。

有个例外：分类任务类别多的时候，每类至少一条。五类任务只给三条示例，剩下两类它只能猜。

判断够不够的办法：拿一条没见过的输入试，对了就够，错了看它错在哪一类，补那一类的示例。

示例的排列位置会带偏输出。放在最后的那个，风格最容易被延续。

所以别把最长最啰嗦的那条排在末尾，除非你就想要长输出。也别把特例排在末尾，它会把特例当通则。

一个实用排法：从普通到特殊，最后一条放你最想要的那种。这样它既知道常规，也被最后一条拉向你偏好的风格。

五条示例里四条是正面评价，一条是负面，它就会倾向于把新样本判成正面。

它在按比例学，跟笨不笨无关。你给的分布，就是它学到的先验。

如果实际数据里负面只占一成，你还是要在示例里给到四六或者三七，因为目标是让它学会分辨，不是学会预测比例。比例可以让它在输出时自己调。

补一条：某一类特别重要时，宁可给两条表述不同的同类示例，也别为了均衡把它稀释掉。

把五条示例连着写，它分不清哪段是输入哪段是输出。用固定标记隔开，比如三条横线，或者“示例一 / 输出一”。

标记本身别用正文里会出现的符号。正文里有三个引号，你再用三个引号分隔，边界就断了。

最后一条示例之后，明确写“现在处理下面的内容”，再贴真实输入。这句话是分界线，少了它，它可能把你的真实输入当成第六条示例。

贴真实输入之前，从头把示例块读一遍：五条是不是同一个人写的口吻、分隔符有没有混用、「输入」「输出」的标签是否统一。示例块自己乱了，它就默认格式可以随意，真实输出跟着随意。

示例能不能自动生成？

可以，但要用你自己确认过的输出当示例。让模型生成示例再让它学，等于让它自己给自己定标准，错误会被放大。

示例里的格式它总是照抄怎么办？

说明你要学的是结构不是内容。或者换一组内容差异更大的示例，逼它抽象。

零样本能不能行？

简单任务可以。涉及风格、边界判断、固定字段的任务，零样本的稳定性通常不够。