本篇 10 题｜覆盖初级到高级｜示例学习与分类抽取。先用自己的话回答，再核对参考要点，最后练习工程追问。
本篇目录
- PRM-011 Zero-shot 与 Few-shot 怎样选择？
- PRM-012 Few-shot 示例应该怎样挑选？
- PRM-013 为什么要加入负例？
- PRM-014 文本分类如何定义未知类别？
- PRM-015 实体抽取如何保证可追溯？
- PRM-016 如何处理多义词分类？
- PRM-017 示例包含错误答案会怎样？
- PRM-018 动态选择 Few-shot 示例如何实现？
- PRM-019 如何处理一个输入中的多个意图？
- PRM-020 如何避免抽取任务过度推断？
PRM-011 Zero-shot 与 Few-shot 怎样选择？
难度：中级
参考答案：先建立零样本基线，若规则解释不足或风格不稳定，再加入少量代表性示例。示例应覆盖关键边界和异常输入，同时控制成本；不是示例越多越好，需要验证对新样本的泛化。
工程追问：什么情况下一个反例比五个正常例子更有效？
PRM-012 Few-shot 示例应该怎样挑选？
难度：中级
参考答案：优先选择业务中常见且容易混淆的情况，保持标签和格式一致，并避免训练或测试泄漏。示例的顺序与分布可能影响输出，应该做多种排列与独立数据测试，不能只选择最简单的样本。
工程追问：类别不平衡时示例分布应如何设计？
PRM-013 为什么要加入负例？
难度：初级
参考答案：负例帮助界定哪些输入不属于目标类别或不应执行操作。需要解释合理的拒绝条件，而不是仅展示一句“不可以”；同时检查模型是否因此过度拒绝相似但合法的请求。
工程追问：如何衡量反例带来的误拒？
PRM-014 文本分类如何定义未知类别？
难度：中级
参考答案：为不符合现有标签或证据不足的输入定义明确的未知状态，并建立阈值或核验流程。不要强迫所有样本落入已知标签，否则系统会把分布外请求伪装成确定结论。
工程追问：未知类别比例上升可能说明什么？
PRM-015 实体抽取如何保证可追溯？
难度：中级
参考答案：要求输出实体、类型及对应原文片段或位置，再校验实体确实出现在输入中。规范化结果与原始值应分开，避免把模型推断的值写成文本事实，尤其是日期、编号和金额。
工程追问：抽取出的组织名称是别名时怎样保存？
PRM-016 如何处理多义词分类？
难度：中级
参考答案：在提示中补充任务范围和必要上下文，允许在信息不足时返回待确认状态。应测试跨行业、短文本和口语输入，不能用一个关键词决定类别，也不应默认模型知道用户所属业务域。
工程追问：“苹果”属于品牌还是水果如何判断？
PRM-017 示例包含错误答案会怎样？
难度：中级
参考答案：错误会变成模型模仿的局部模式，尤其影响格式、标签和边界条件。需要把示例纳入数据审核与回归测试，追踪来源和修改记录；模型偶尔纠正示例不代表可以容忍低质量样本。
工程追问：怎样发现一个示例正在持续误导分类？
PRM-018 动态选择 Few-shot 示例如何实现？
难度：中级
参考答案：可按输入任务、领域或相似度选择示例，但要防止选入泄密或与测试答案高度同源的数据。记录被选示例并与固定示例基线比较，同时控制数量和多样性，避免上下文被近重复占满。
工程追问：示例检索应采用什么权限规则？
PRM-019 如何处理一个输入中的多个意图？
难度：中级
参考答案：明确任务是主意图分类、多标签分类还是拆分任务，定义标签之间的优先级与依赖。输出应保留足够的原文依据，后端再验证可执行性；不能让模型自动发起所有识别出的操作。
工程追问：用户同时要求查询与取消订单该怎样处理？
PRM-020 如何避免抽取任务过度推断？
难度：中级
参考答案：明确只抽取显式信息，将缺失值与可推导值区分，要求推导时附规则和依据。对关键字段采用原文比对与确定性转换，防止模型为满足完整格式而补造身份证号或金额。
工程追问：“明天下午”怎样保留时间解释的前提？
复盘练习
任选一题，用“场景与约束 → 方案 → 验证方法 → 失败边界”组织一段回答。初级先讲清概念，中级补实现与测试，高级补成本、权限和故障取舍。难度标签是学习建议，同一题可继续深入。
延伸阅读
以下为本模块相关原始论文与官方文档，用于继续学习；本文为原创面试要点整理，具体框架行为以所用版本为准。