本研究探讨了大型语言模型在上下文学习中的表现，发现选择语义相似的示例和解决标签模糊性的问题能显著提升模型性能。实验验证了上下文学习对标签扰动的敏感性较低，并提出了新的示例选择方法InfICL，以提高模型的泛化能力。
完成下面两步后，将自动完成登录并继续当前操作。
