In-Context Learning

Capacità di adattarsi a un compito usando esempi e istruzioni nel contesto, senza modificare i parametri interni del modello.

Nell'in-context learning, il modello riceve esempi direttamente nella richiesta e li usa per ricavare formato, regole e obiettivo del compito. Il comportamento cambia soltanto per quella sessione o chiamata, mentre i pesi restano invariati. La tecnica comprende zero-shot, one-shot e few-shot prompting, secondo il numero di esempi forniti. Permette adattamenti rapidi, ma la qualità dipende dalla chiarezza del contesto, dalla scelta degli esempi e dallo spazio disponibile nella finestra.