本文综述大语言模型上下文学习（ICL）研究，指出ICL可被恶意上下文操纵以增减越狱概率，ICLAttack通过毒化示例提升隐蔽性；ICL对标签扰动敏感性低于监督学习，黄金标签影响显著；ICL结构简单，可压缩为任务向量；其鲁棒性更多受预训练语料与监督方法影响；ICL机制含任务识别与任务学习；自动上下文学习框架可自主生成示例且性能出色。