概念few-shot learning / 小样本学习
少样本学习
机器学习范式，指系统仅凭极少量示例即可学习新任务的能力，是衡量AI泛化能力的重要指标，也是人类智能的显著优势之一。
时间轴 (近 90 天)
10月14日
在该框架下，少样本学习对应约束框架限制只能使用极少量标注样本，验证器依然使用标准测试集。
待验证50%
10月14日
传统上，遥感领域中的少样本学习、域适应、多模态融合等被视为彼此独立的研究问题，各有不同的方法体系。
待验证50%
10月12日
7B 参数以下的模型几乎必须配合少样本示例使用。
待验证50%
9月24日
人类学习新技能依赖先验知识迁移、因果推理和高度压缩的概念表征，这种能力被认知科学称为归纳偏置
待验证50%
9月7日
运行时策略定义是一种提示工程与少样本学习相结合的技术,允许在每次推理调用时用自然语言临时描述需要拦截或允许的内容
待验证60%