已过期60% 置信事实时间未知

半监督学习介于监督学习和无监督学习之间，利用少量标注数据和大量无标注数据进行训练

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/9/30(已过期)

来源

Getting Started with AI Full-Stack Development: A Knowledge Framework from Machine Learning to Large Language Models

bilibili李宏毅transformer-

相关事实

待验证半监督学习和自监督学习的发展正在缓解数据标注成本高昂的瓶颈84% 相似已验证监督学习与无监督学习的根本区别在于训练数据中是否存在标签83% 相似待验证监督学习包含分类（离散标签）和回归（连续标签）两大子任务76% 相似已验证单样本学习不等于零样本学习，其一次演示背后依赖模型在海量预训练数据上积累的先验知识76% 相似待验证在小数据集上应采用COCO等大规模数据集上预训练的DETR权重进行微调，而非从零训练76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/55360

API

curl https://kongchang.com/api/v1/knowledge/claims/55360

MCP

get_claim(id=55360)