半监督上下文学习：基准研究

本研究解决了现有研究在上下文学习中数据选择偏重于真实注释示例而忽视自生成注释可靠性的问题。我们提出了一种三步半监督上下文学习框架，基于高置信度自生成示例提升ICL表现，实验结果显示，该基准方法在16个数据集上平均提升了9.94%。此外，我们引入了IterPSD方法，通过迭代优化伪示例，进一步提升分类任务精度，并揭示了当示例数量超过1000时半监督上下文学习的最佳性能规律。