11.4 泛化性示例设计

引言：模型不是在"学习答案"，而是在"学习模式"

如何设计"具有泛化能力"的示例？模型不能死记你给的示例，必须学的是"方法"，不是"特例"。如果示例泛化性差，模型会陷入 Example Overfitting（示例过拟合）。

11.4.1 泛化性示例的五大原则

原则	说明
去内容化	内容越具体，泛化性越差；不使用真实品牌、真实案例
任务抽象化	展示任务逻辑、行为步骤，而不是某个特定主题
行为示范化	示范如何思考、如何组织结构，而不是展示任务结果本身
多样性覆盖	示例不能同质化，必须覆盖不同结构、长度、语气
格式稳定性	虽然结构可以多样化，但格式必须统一、稳定

11.4.2 去内容化示例对比

类型	示例	问题
错误	"苹果发布新 iPhone..."	模型会倾向输出"科技新闻风格"
正确	"X 是一个主题，其中包含三个关键点：A、B、C"	模型学到"总结方法"

11.4.3 如何设计泛化型示例

1. 确定任务本质：写出任务核心
2. 写出行为链：阅读输入→提取要点→组织结构→输出模板
3. 用抽象内容写示例：避免真实文本
4. 改变表面表达：确保多样性
5. 保持结构与任务一致

11.4.4 泛化性示例模板

【示例 1：短摘要】
输入："X 包含若干要点……"
输出：- 要点 A / - 要点 B / - 要点 C

【示例 2：标准摘要】
输入："给定主题 Y，其中包含多个信息点……"
输出：- 核心观点 / - 关键要点 / - 总结

【示例 3：长摘要】
输入："一段较长的描述，包含多个层次的信息……"
输出：- 主题 / - 重点 / - 结构化总结

11.4.5 常见错误

错误	后果
使用真实新闻/品牌	风格污染
所有示例风格完全相同	泛化能力不足
示例太复杂	模型记内容而非行为
多示例结构不一致	输出不稳定

11.4.6 泛化性 QA Checklist

✓ 示例内容是否足够抽象？
✓ 是否避免了具体领域？
✓ 是否展示行为，而非答案？
✓ 示例之间是否具有内容多样性？
✓ 输出结构是否统一？

本节小结

关键要点

1. 模型必须学习"行为"，而不是"示例答案"
2. 内容要抽象、结构要统一、表达要多样
3. 泛化示例可显著提升任务稳定性
4. 防止模型"死记示例"是工程设计重点

泛化性示例是 Few-shot 的高级技巧，接下来我们将学习：示例与 CoT 的结合。