USP技术提升大语言模型的零样本学习能力大语言模型（LLMs）在零样本和少样本学习能力上取得了显著进展，这通常通过上下文学习（in-context learning, ICL）和提示（prompting）来实现。然而，零样本性能通常较弱，因为缺乏指导和难以应用现有的自动提示设计方法。论文提出了一种名为Universal Self-Adaptive Prompting（USP）的自动提示设计方法，旨在提升大语言模型（LLMs）在零样本学习（zero-shot learning）任务中的表现。USP通过使用少量未标记数据和仅推理的LLM生成伪示例（