本文介绍了一种名为FLAME的新方法，利用大型语言模型进行分类体系扩展。FLAME通过少量样本中的提示提取语言模型内在知识，并通过强化学习进行微调，以实现更准确的预测。实验结果显示，FLAME在真实场景中取得了显著改善，准确性提高了18.5%，Wu & Palmer指标提高了12.3%。通过案例研究、误差分析和消融研究，阐明了FLAME的优点和缺点。

FLAME是一种新方法，利用大型语言模型从少量样本中提取知识并进行微调，以实现更准确的分类体系扩展。实验证明FLAME在真实场景中取得了显著的改善。