待验证50% 置信观点精确时间
NBP通过单张图片在推理阶段实现类似LoRA的效果，其技术路线更接近多模态大模型的上下文少样本学习（few-shot in-context learning），与显式LoRA微调有本质区别
1
来源数
50%
置信度
长期有效
时效性
2026/9/20
首次发现
来源
涉及实体
相关事实
待验证自动微分的前向模式适合输入少输出多的场景，反向模式适合输入多输出少的场景，深度学习因参数多而损失为标量属于后者73% 相似待验证one-shot learning最初指模型仅凭极少样本（通常是一个）就能学习新概念的能力，这一概念由Fei-Fei Li等研究者在2006年前后系统化73% 相似待验证少样本学习通过在Prompt中提供2-5个示例帮助模型快速理解输出格式和风格要求72% 相似待验证CLIP模型通过对比学习在大规模图文配对数据上预训练，是许多VLM视觉-语言对齐的基础71% 相似待验证少样本学习（few-shot learning）和思维链（Chain-of-Thought）提示技术能显著提升模型在推理任务上的表现71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/937648API
curl https://kongchang.com/api/v1/knowledge/claims/937648MCP
get_claim(id=937648)