---
type: "GlossaryTerm"
title: "Apprendimento contestuale (ICL)"
description: "L'apprendimento contestuale (ICL) è la capacità dei grandi modelli linguistici di risolvere nuovi compiti direttamente dagli esempi forniti nel prompt di input,"
resource: "https://www.contextstudios.ai/it/glossario/in-context-learning"
language: "it"
tags: ["engineering"]
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-08T22:02:00.604Z"
status: "stable"
---

# Apprendimento contestuale (ICL)

L'apprendimento contestuale (ICL) è la capacità dei grandi modelli linguistici di risolvere nuovi compiti direttamente dagli esempi forniti nel prompt di input, senza aggiornare i pesi del modello e senza addestramento tradizionale. Il modello deduce il modello del compito dagli esempi forniti e applica quella logica alla query effettiva. Il meccanismo opera attraverso la struttura del prompt: quando le coppie input-output (chiamate shot) sono preposte al prompt, il modello apprende implicitamente il formato del compito e la logica di output attesa. L'ICL zero-shot non richiede alcun esempio; l'ICL few-shot fornisce tipicamente da due a otto dimostrazioni. L'ICL è una capacità distintiva dei moderni modelli di fondazione: consente un adattamento flessibile a nuovi compiti senza costosi fine-tuning. Per le organizzazioni, ciò significa che molti casi d'uso — dalla classificazione e l'estrazione alla traduzione e al riassunto — possono essere risolti attraverso prompt progettati con cura. La qualità e la rappresentatività degli esempi nel prompt determinano direttamente l'accuratezza dell'output.