待验证50% 置信概念精确时间
Zero-shot transfer 指学生策略在仿真中训练完成后，不经任何真机微调或域随机化再训练，直接部署到真实硬件上执行任务。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证零样本学习(Zero-shot Learning)是指模型在未经过针对特定任务训练的情况下,仅凭借预训练阶段积累的通用知识完成新任务的能力76% 相似待验证在笔记本等有限硬件条件下从零训练视频生成模型的投入产出比极低,更务实的做法是使用迁移学习与微调66% 相似待验证Serverless 训练模式的优势在于零闲置成本，只有计算真正发生时才产生费用，代价是存在冷启动延迟及超大规模训练定制化调优空间有限65% 相似待验证ControlNet的零卷积层设计(初始化为零权重)保证训练初期不会破坏原模型能力,训练成本远低于从头训练新模型65% 相似待验证Few-shot Learning相比全量微调的优势在于零训练成本和即时切换能力，只需更换几个示例即可调整品牌语气64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013257API
curl https://kongchang.com/api/v1/knowledge/claims/1013257MCP
get_claim(id=1013257)