**清华提出Jev-LDE：优化ICL示例选择，1-shot准确率显著提升**

_清华提出Jev-LDE：ICL示例只改一次，1-shot平均准确率就能暴涨_

> 清华大学团队提出Jev-LDE方法，解决大模型上下文学习（ICL）中检索示例不适配及冗余问题。该方法通过优化示例选择策略，在仅修改一次示例的情况下，显著提升了1-shot场景下的平均准确率，同时降低了推理成本。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-10-14 13:10（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-10-14-7)