研究：小模型简单 few-shot 提示即可搞定自然语言推理，无需复杂技巧
rohanpaul_ai · x · 2026-11-11
arXiv 论文《How Many Examples, and Which Ones?》系统评测了 Llama、Mistral、Gemma、Phi 4 等小型开源解码器-only LLM 在自然语言推理（NLI）任务上的表现，覆盖 MNLI、QNLI、SciTail 三个数据集。
核心发现：
- 简单直接的 zero-shot / few-shot 提示已能让这些小模型表现优异，复杂 prompting 与采样技巧并非必需
- one-shot 中示例标签的选择显著影响性能，以 entailment（蕴含）类示例效果最佳
- 少量有代表性的 few-shot 示例，效果相当甚至优于长列表提示
所属事件:研究称小模型 NLI 任务简单提示即可媲美复杂技巧(2 条相关)→
「模型」频道最新
- 博主预测 GPT-7 时代提示词将过时，只需描述目标结果 — VraserX · 2026-11-11
- Qwen4 Max Preview 悄然上线 Qwen Chat，附带 Qwen3.7/3.8 系列 — scaling01 · 2026-11-11
- 腾讯最新旗舰模型 Hy4 曝光,已承载生产流量 — VoidAsuka · 2026-11-11
- Claude 三天完成 AMD MI355X 适配,原本需数十工程师半年到一年 — AnushElangovan · 2026-11-11
- 传 Gemini 4 Carbon 视觉能力登顶多项 CV 评测，但慢且贵 — gabriberton · 2026-11-11
- Muse Ember 横扫浏览器 Agent 基准 Pareto 前沿：单任务仅 3 美分 — WenhuChen · 2026-11-11