ICL即In-contexting Learning。 ICL 包含三种分类： - Few-shot learning，允许输入数条示例和一则任务说明； - One-shot learning，只允许输入一条示例和一则任务说明； - Zero-shot learning，不允许输入任何示例，只允许输入一则任务说明。

训练时

推理时

与微调不同，使用ICL推理时并不更新参数。可以简单理解为带有Tuning的都会更新参数，因为叫“微调”，而ICL并不更新参数，但训练时的ICL会更新参数（将ICL模板作为语料），这显而易见。

参考

In-context Learning学习笔记 - 知乎 (zhihu.com)