这篇文章介绍了一种新兴的大型语言模型能力，即利用少量示例来学习在新领域和任务中执行的能力。模型通过上下文学习适应特定领域，在翻译质量和即时适应率方面优于传统监督技术和大型语言模型。

本文介绍了一种利用少量示例进行上下文学习的方法，通过针对专门的培训目标进行微调，展示了一个更小的模型可以被训练用于执行上下文学习，在神经机器翻译的领域适应任务上进行了示例。该方法可以高效地进行批处理推理，并在翻译质量和即时适应率方面优于现有技术基线。