该研究探讨了Transformer模型在上下文学习中的能力，发现其在选择无监督模型和学习不同任务方面表现出近乎最优的能力。然而，当面对超出预训练数据领域的任务或功能时，Transformer的泛化能力会退化。研究结果强调了高容量序列模型的上下文学习能力与预训练数据组合的覆盖范围密切相关。