5.1 零样本与少样本提示

在提示词工程中，根据是否提供示例以及示例数量的多少，可以将提示方式分为零样本、单样本和少样本三种类型。这些概念源自 GPT-3 论文，理解它们的区别和适用场景，是有效应用示例驱动技术的基础。

5.1.1 零样本提示

零样本提示是指在不提供任何示例的情况下，仅通过指令描述任务，让模型直接生成输出。

基本形式

指令：[任务描述]
输入：[待处理内容]

示例

请将以下英文翻译成中文：

"The quick brown fox jumps over the lazy dog."
判断以下评论的情感倾向是正面、负面还是中性：

"这家餐厅的环境不错，但等位时间太长了。"

适用场景

零样本提示适用于：

• 任务定义清晰，无歧义

• 模型已经在预训练中接触过类似任务

• 输出格式要求不严格

• 快速原型验证

局限性

• 对复杂或非常规任务效果不佳

• 输出格式可能不一致

• 边界情况处理不可控

5.1.2 单样本提示

单样本提示提供一个示例来展示任务模式。

基本形式

示例：
输入：[示例输入]
输出：[示例输出]

请处理：
输入：[待处理内容]

示例

请按照示例的格式提取信息：

示例：
文本：张三，男，1990 年出生，工程师
输出：姓名=张三；性别=男；出生年份=1990；职业=工程师

请处理：
文本：李四，女，1985 年出生，医生

作用

• 消除指令的歧义

• 展示期望的输出格式

• 设定输出的风格和详细程度

5.1.3 少样本提示

少样本提示提供多个示例（通常 2-6 个），使模型能够更好地理解任务模式和边界情况。

基本形式

示例 1：
输入：[输入 1]
输出：[输出 1]

示例 2：
输入：[输入 2]
输出：[输出 2]

示例 3：
输入：[输入 3]
输出：[输出 3]

请处理：
输入：[待处理内容]

示例

请分类以下客户咨询的类型：

咨询："我的订单什么时候能到？"
类型：物流查询

咨询："这个产品支持 7 天无理由退货吗？"
类型：退换货政策

咨询："你们有没有红色款的？"
类型：产品咨询

咨询："付款后能开发票吗？"
类型：支付与发票

请处理：
咨询："我想改一下收货地址"

为什么有效

少样本学习的有效性源于大语言模型的以下特性：

1. 模式识别：模型能够从示例中识别输入到输出的映射模式

2. 类比推理：将识别的模式应用到新的输入上

3. 格式学习：从示例中学习输出的结构和格式

4. 边界理解：多个示例帮助模型理解任务的边界

5.1.4 三种方式的对比

图 5-1：零样本、单样本和少样本提示的对比

特性	零样本	单样本	少样本
示例数量	0	1	2-6+
指令依赖	高	中	低
格式一致性	低	中	高
Token 消耗	最低	低	较高

5.1.5 选择合适的方式

选择零样本的情况

✓ 标准化任务：翻译、摘要等模型熟悉的任务
✓ 格式灵活：对输出格式没有严格要求
✓ 资源受限：上下文窗口紧张，需节省 Token
✓ 快速验证：初步测试可行性

选择单样本的情况

✓ 格式明确：需要展示特定输出格式
✓ 简单任务：任务逻辑简单，一个示例足够说明
✓ 平衡需求：在效果和 Token 成本之间取得平衡

选择少样本的情况

✓ 复杂任务：任务规则复杂，需多个示例说明
✓ 边界处理：需要展示边界情况的处理方式
✓ 高一致性：要求输出格式高度一致
✓ 非标准任务：模型不常见的特殊任务

5.1.6 由零到多的渐进策略

在实践中，建议采用渐进策略：

1. 先尝试零样本
   ↓ 效果不满意
2. 添加单个示例
   ↓ 仍有问题
3. 增加到 3-5 个示例
   ↓ 覆盖边界情况
4. 如果仍不满意，考虑其他技术
   （如思维链、任务分解等）

5.1.7 上下文学习的本质

少样本学习的本质是 上下文学习——模型在推理时通过上下文中的示例“临时学习”任务规则，而无需更新模型参数。

这里需要理解一个关键区别：模型并不是在从示例中“学习新知识”，而是通过示例 识别任务格式和输入输出结构，从而激活参数中已有的能力回路。研究显示，即使示例中的标签是错误的（例如将正面评论标为负面），模型在标准基准上的表现也不会大幅下降。这进一步证实了“示例的核心价值在于定位任务模式，而非提供知识”这一观点。

这与传统机器学习的关键区别：

方面	传统机器学习	上下文学习
学习时机	训练阶段	推理阶段
参数变化	参数更新	参数不变
示例需求	大量标注数据	少量示例
任务切换	需重新训练	只需换示例

思考

1. 在您的具体业务场景中，有哪些任务必须使用 少样本提示 (Few-Shot)才能保证输出的稳定性？又有哪些任务使用零样本提示 (Zero-Shot) 就足够了？

2. 尝试将一个原本使用零样本提示效果不佳的任务，改写为单样本和三样本提示，观察效果有何变化。