微调、提示、上下文学习和指导微调：我们需要多少标记样本？

本研究探讨了小语言模型和prompt-learning在零售业中客户-代理商互动的文本分类中的潜力。结果显示，T5-base模型在少样本设置下的准确性约为75%。FLAN-T5-large模型在使用优化的提示时准确性提升了近13%。这些发现强调了小语言模型和prompt-learning的潜力，以及主动少样本抽样和集成策略的好处，以及零样本设置中提示工程的重要性。