—— coding: utf-8 ——

""“用词重叠相似度模拟大模型上下文学习(ICL)的迷你演示。 真实 ICL 是大模型在上下文窗口中隐式完成模式匹配， 这里用一个轻量版 KNN 风格的预测器来做等价演示： 从示例集里找出与新输入最相似的样本，返回它的标签。 ”"" import re def tokenize(text): "““简单切词：提取中文+英文+数字，转成小写集合。””" return set(re.findall(r'[\w\u4e00-\u9fa5]+', text.lower())) def make_icl_predictor(examples): "““examples: list of (text, label)，对应 ICL 中的示例集 S。””“ cache = [(tokenize(text), label) for text, label in examples] def predict(text): words = tokenize(text) if not words: return “无法判断” best_score, best_label = -1.0, None for ex_tokens, label in cache: overlap = len(words & ex_tokens) score = overlap / (len(words) + len(ex_tokens) - overlap) if score > best_score: best_score, best_label = score, label return best_label if best_score > 0 else “无法判断” return predict def main(): # 3 个示范案例，模拟 few-shot 中的示例集 examples = [ (“这部电影太精彩了，全程无尿点”, “积极”), (“剧情平淡，浪费了两小时”, “消极”), (“演员演技在线，推荐观看”, “积极”), ] predictor = make_icl_predictor(examples) # 新输入：模拟模型需要预测的 x tests = [ “画面美到窒息，值得二刷”, “故事逻辑混乱，不推荐”, “今天天气不错”, ] for test in tests: print(f“输入：{test}”) print(f“预测（模拟 ICL）：{predictor(test)}”) print() if name == ”main": main() ```