OpenAI 发布论文《Language models are few-shot learners》（语言模型是少样本学习者），归类为论文。
从标题看，该工作讨论的核心问题是：语言模型能否在不更新参数的前提下，仅凭输入提示（prompt）中给出的少量示例，就理解并完成此前未专门训练过的任务。这一设定通常被称为少样本（few-shot）学习，与之并列的还有零样本（zero-shot）与单样本（one-shot）情形，即提示中不提供示例或只提供一个示例。
如果这一思路成立，模型的使用方式将不再局限于为每个任务收集标注数据、重新训练或微调，而是转向以提示设计为中心：同一个模型可以通过不同的上下文示例切换到不同任务。这会把能力评估的重点从单一任务的微调效果，转移到模型在上下文中的泛化能力上，也让提示工程成为模型落地的关键环节。
原文链接：https://openai.com/index/language-models-are-few-shot-learners