待验证50% 置信事实精确时间
单样本学习（One-Shot Learning）的目标是让模型仅通过一次演示或示例就能理解并复现某项任务
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证一次模仿学习（One-Shot Imitation Learning）由Duan等人在2017年提出，让模型在元训练阶段观察大量演示-执行对以从单次演示中提取任务规格80% 相似已验证Few-Shot Learning是指在提示词中提供少量示例（通常2-8个），让模型通过类比推理完成新任务77% 相似待验证Skill 以 Few-shot 示例集合形式呈现时，本质是利用模型的上下文学习（In-Context Learning）能力，无需修改模型权重73% 相似待验证自监督学习是预训练阶段的核心范式，模型通过下一个词预测任务从数据本身构造训练信号73% 相似待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72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/839175API
curl https://kongchang.com/api/v1/knowledge/claims/839175MCP
get_claim(id=839175)