本文介绍了自生成上下文学习（SG-ICL）方法，旨在减少对外部演示的依赖。实验结果表明，SG-ICL在文本分类任务中优于零样本学习，生成的演示文稿更具一致性。此外，研究探讨了大型语言模型在上下文学习中的表现及其对标签扰动的敏感性，发现黄金标签对性能影响显著。