本文探讨了大型语言模型（LLMs）在上下文学习（ICL）中的应用及挑战。研究发现，LLMs在情绪识别中存在显著但不一致的先验影响，模型越大，影响越明显。实验表明，黄金标签对上下文性能影响显著，而不平衡标签影响较小。提出的KICT框架和提示增强的上下文学习（HICL）显著提升了文本分类和情感分析的性能。