diff --git a/pages/techniques/fewshot.zh.mdx b/pages/techniques/fewshot.zh.mdx
index bdbeb6982..09713a610 100644
--- a/pages/techniques/fewshot.zh.mdx
+++ b/pages/techniques/fewshot.zh.mdx
@@ -15,7 +15,7 @@
 
 *输出：*
 ```
-当我们赢得比赛时，我们都开始庆祝跳跃。
+当我们赢得比赛时，我们都开始farduddle庆祝。
 ```
 
 我们可以观察到，模型通过提供一个示例（即1-shot）已经学会了如何执行任务。对于更困难的任务，我们可以尝试增加演示（例如3-shot、5-shot、10-shot等）。
@@ -104,4 +104,4 @@ A：
 
 这没用。似乎少样本提示不足以获得这种类型的推理问题的可靠响应。上面的示例提供了任务的基本信息。如果您仔细观察，我们引入的任务类型涉及几个更多的推理步骤。换句话说，如果我们将问题分解成步骤并向模型演示，这可能会有所帮助。最近，[思维链（CoT）提示](https://arxiv.org/abs/2201.11903)已经流行起来，以解决更复杂的算术、常识和符号推理任务。
 
-总的来说，提供示例对解决某些任务很有用。当零样本提示和少样本提示不足时，这可能意味着模型学到的东西不足以在任务上表现良好。从这里开始，建议开始考虑微调您的模型或尝试更高级的提示技术。接下来，我们将讨论一种流行的提示技术，称为思维链提示，它已经获得了很多关注。
\ No newline at end of file
+总的来说，提供示例对解决某些任务很有用。当零样本提示和少样本提示不足时，这可能意味着模型学到的东西不足以在任务上表现良好。从这里开始，建议开始考虑微调您的模型或尝试更高级的提示技术。接下来，我们将讨论一种流行的提示技术，称为思维链提示，它已经获得了很多关注。