Few-shot Prompting 為什麼在新市場分類失準？
某企業使用生成式 AI 進行文字分類，初期僅根據既有業務資料設計少量樣本提示（Few-shot Prompting）。當模型應用至新市場資料時，團隊發現分類結果明顯不穩定，且原先提供的範例並未涵蓋新市場常見的表達方式。依此情境判斷，下列何者最可能為主要原因？
某企業用 Few-shot Prompting 做文字分類，在原本的市場效果不錯，換到新市場之後分類結果明顯不穩定。原先設計的範例沒有涵蓋新市場常見的表達方式。
問你：依這個情境，最可能的主要原因是什麼？
一句話總結
Few-shot Prompting 靠少量範例引導模型，當範例涵蓋不了新情境的表達差異，模型就沒有足夠的參照基準做出穩定分類，這是「少量範例 vs. 情境多樣性」的根本矛盾。
先感受問題：台灣學的規則，到東南亞為什麼失效？
假設你在「全球零售集團」負責 AI 分類系統。公司在台灣用 AI 把客戶意見自動分類成「正面」「負面」「中性」，效果很好。
Few-shot Prompting 的做法是：在 Prompt 裡給幾個範例，告訴模型「這個算正面、那個算負面」。台灣的範例是：
- 「品質很好，下次還買」→ 正面
- 「等了一個月還沒收到」→ 負面
- 「還行，沒什麼特別」→ 中性
系統開始在泰國市場運作。泰國客戶的表達習慣很不一樣：
- 「สินค้าดีมากเลยค่ะ 555」（商品很好 + 泰式笑聲符號）→ 正面，但 AI 看到 555 不確定
- 「พอใช้ได้ครับ」（還可以接受）→ 其實是委婉的負面，但 AI 分類成正面
- 「ไม่ค่อยโอเค」（不太 OK）→ 負面，但 AI 不知道這個表達方式
台灣的範例根本沒有涵蓋泰國式的表達方式，AI 面對這些情況只能猜，結果就不穩定了。
用舊範例闖新市場，會遇到什麼問題？
「全球零售集團」依賴台灣範例的 Few-shot Prompting 擴展到東南亞市場，遇到了幾個系統性問題：
- 語言表達差異：泰語、印尼語的語氣標記、委婉說法和台灣中文完全不同，舊範例沒有覆蓋
- 文化語境不同：泰國人不喜歡直接說負面，習慣用委婉語表達，但範例全是直白的台灣中文
- 俚語和網路用語：每個市場的網路俚語快速演化，舊範例根本跟不上
- 範例數量就是有限：Few-shot 本來就只有幾個範例，語意空間有限，到新市場就「出邊界」了
- 沒有上下文適應機制：模型只靠給定的範例推論，沒有辦法自動適應新情境，範例沒見過的就猜
每個問題都指向同一個核心：範例太少、覆蓋不了新情境的多樣性。
Few-shot 的邊界在於範例能不能覆蓋情境差異
「全球零售集團」的 AI 工程師找到問題本質：不是模型能力差，也不是 Prompt 寫不好，而是提供的範例無法涵蓋新市場的資料分布。
類比：想像你在教一個外國朋友讀懂台灣的綜藝節目字幕，你只給了三個例子，然後要他獨自看新節目。他看完三個例子後，遇到的都是熟悉格式的字幕還好；但一碰到他從沒見過的台語俚語，他就只能猜了。
解決方向是：為新市場補充當地的 Few-shot 範例，或者在針對新市場的資料上做 Fine-tuning，讓模型真正學到當地的表達習慣，而不只是靠幾個台灣例子猜。
這就是選項 B 講的：少量範例難以涵蓋新情境的資料差異，這是 Few-shot Prompting 在新市場失效的根本原因。
技術版：Few-shot Prompting 的能力邊界
Few-shot Prompting 是 Prompt Engineering 技術中最實用的方法之一，透過在 Prompt 中提供少量的「輸入-輸出」範例，引導大型語言模型執行特定任務，無需修改模型本身。
Few-shot 的工作原理：模型看到幾個範例後，從中推論「這個任務的規則是什麼」，然後把這個規則應用到新的輸入。例子越具代表性，模型推論的規則越準確。
Few-shot 的根本限制：
- 情境覆蓋率：幾個範例只能覆蓋一部分的情境分布，當新輸入落在範例沒覆蓋的區域，模型只能外推猜測
- 分布偏移（Distribution Shift）：訓練/範例資料的分布和實際應用資料的分布不一致，就是這個問題的本質，新市場資料 = 新分布
- vs. Zero-shot：Zero-shot 完全不給範例，靠模型的通用能力；Few-shot 給幾個範例，引導性強但限制於範例涵蓋的範圍
為什麼出題者要考這題：AI 應用規劃師在規劃跨市場的生成式 AI 應用時，必須了解 Prompt 技術的適用範圍。Few-shot 在同質情境下效果好，但遇到資料分布差異大的場景就需要額外的適應策略（補充範例、Fine-tuning、或 RAG）。
為什麼其他選項是錯的
A模型容易對單一範例產生過度記憶
模型看到幾個範例就「死背」那幾個，無法類化到其他輸入。
「過度記憶單一範例」是訓練模型時（Fine-tuning）才容易發生的過擬合問題。Few-shot Prompting 不更新模型參數，模型不會「記憶」範例，而是用它們來推論規則。問題不在「記太牢」，而在「範例不夠覆蓋新情境」，兩個方向不同。
把 Few-shot Prompting 和 Fine-tuning 混在一起、以為 Prompting 也會造成過擬合的人。Prompting 不改模型，所以不存在「過度記憶」的問題。
CPrompt 設計無法引導模型擷取共通特徵
Prompt 寫得不夠好，模型沒辦法從範例中找出共通規律。
題目說在舊市場效果不錯，代表 Prompt 設計本身沒有問題，同樣的 Prompt 在舊市場能用，只是到新市場就失效了。問題的根源是「資料情境改變了」，而不是「Prompt 寫不好」。Prompt 設計問題是一個可以修改的技術問題，但本題的根本是資料分布的差異。
習慣把 AI 失效歸咎於「Prompt 設計不好」的人。這是常見的第一反應，但本題已經明確排除了這個可能性（舊市場有效）。
D模型推理能力不足以完成分類任務
模型本身的能力就不夠，沒辦法做這種分類任務。
題目說在舊市場分類效果是好的，代表模型有能力完成這個任務。同一個模型到了新市場就失效，問題不在模型能力（能力沒有變），而在輸入資料的分布改變了。「模型能力不足」這個說法也解釋不了「為什麼只在新市場失效」。
看到「分類不準」就直覺認為是「模型不夠好」的人。模型沒有變，變的是輸入資料的情境分布。
同個考點下次怎麼變形
Zero-shot、Few-shot、Fine-tuning 三種方法各適合什麼情境？
都是讓模型完成特定任務，哪個比較好用？
Zero-shot：不給範例，適合任務定義清晰、模型通用能力足夠的場景，成本最低；Few-shot：給幾個範例，適合任務有特定格式需求、情境變化不大的場景；Fine-tuning：用大量特定領域資料更新模型，適合情境多樣、需要深度適應的場景，成本最高。
什麼是資料分布偏移（Distribution Shift）？為什麼它讓模型失效？
資料變了所以模型不準，很正常吧？
分布偏移是指模型訓練時見到的資料分布，和實際部署時輸入資料的分布不一致。模型從舊分布學到的規律，不一定能泛化到新分布。本題的情境就是典型的分布偏移：從台灣市場（舊分布）到東南亞市場（新分布），表達方式和語言習慣都不同。
如何提升 Few-shot Prompting 在不同情境下的穩定性？
多給幾個範例就好了？
提升穩定性的策略：範例多樣化（覆蓋更多不同的表達方式和邊界案例）、針對新情境補充範例（收集新市場的實際資料作為範例）、動態選擇範例（用 RAG 根據每次輸入選擇最相關的範例）。根本解法是確認範例能代表實際應用情境的資料分布。
AI 應用在跨市場部署前，應做哪些評估？
舊市場跑得好，新市場應該沒問題？
應在新市場部署前進行：資料樣本收集（收集新市場的真實資料）、分布分析（比較新舊市場的資料特性差異）、離線評估（用新市場資料測試現有模型的效能）。發現偏差後決定補充範例、Fine-tuning 或建立新市場專屬模型。不能假設「舊市場通就新市場通」。
Few-shot 和 RAG（檢索增強生成）在解決「知識不足」問題上有什麼差別？
兩個都是「給模型更多資訊」，有差嗎？
Few-shot 是靜態地在 Prompt 裡放幾個固定範例，適合格式引導，但範例固定不變；RAG 是每次根據輸入動態從知識庫檢索相關資料加入 Prompt，知識庫可以持續更新，更適合資訊量大、情境多樣的場景。對於本題的新市場問題，RAG 的動態檢索能比 Few-shot 更好地適應新市場的表達差異。
想再往下看，這 5 個
- 少樣本學習（Few-shot Learning）在 Prompt 中提供少量輸入輸出範例引導模型，範例覆蓋率決定分類穩定性，新情境需補充當地範例才能維持準確度
- 提示工程（Prompt Engineering）設計和優化輸入提示以引導大型語言模型產生期望輸出，Few-shot 是其中最常用且易因情境差異失效的方法
- 泛化能力（Generalization）模型將從訓練資料學到的規律應用到未見過情境的能力，範例多樣性不足時跨市場泛化能力會顯著下降
- 微調（Fine-tuning）以特定領域資料更新模型參數，適合情境差異大的場景，比 Few-shot 更能深度適應新市場的表達習慣
- 檢索增強生成（Retrieval-Augmented Generation）每次根據輸入動態從知識庫檢索相關段落後生成回答，比靜態 Few-shot 更能適應情境多樣性問題