MachineLearningLM

从少样本到千样本！MachineLearningLM给大模型上下文学习装上「机器学习引擎」

尽管大型语言模型（LLM）拥有广泛的世界知识和强大的推理能力，被广泛视为优秀的少样本学习者，但在处理需要大量示例的上下文学习（ICL）时仍存在明显局限。已有工作表明，即使提供多达上百甚至上千条示例，LLM 仍难以从中有效学习规律，其表现往往很快进入平台期，甚至对示例的顺序、标签偏差等较为敏感。在利用上下文学习解决新任务时，LLM 往往更依赖于自身的强先验以及示例的表面特征，而难以真正挖掘出示例中潜在的因果机制或统计依赖。

9/16/2025 1:19:00 PM

机器之心

资讯热榜

看完刘润年度演讲，教你做好AI时代的能力迁徙！ LangChain 大模型应用开发框架：从 RAG 到 Agent 的完整指南黑客新手法：利用 OpenAI API 创建 “隐形” 后门恶意软件苹果Siri将大变样！付费请谷歌助力AI升级蚂蚁数科发布多语种视觉大模型训练框架，打破语言壁垒！谷歌推出新款 Vertex AI 代理构建工具，助力企业智能化万代南梦宫等日本大厂联合发声，要求 OpenAI 停止使用其作品训练 AI 字节跳动新举措！推出豆包股激励计划，吸引大模型人才

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画大模型机器人数据 Midjourney 开源 Meta AI新词微软智能用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果 Claude 腾讯 Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人 AI视频研究大语言模型具身智能生成百度 Sora 工具 GPU 华为计算字节跳动 AI设计大型语言模型 AGI 搜索视频生成场景深度学习架构生成式AI DeepMind 亚马逊编程视觉 Transformer AI模型预测特斯拉 MCP