待验证50% 置信事实精确时间
VLM能够根据自然语言描述识别训练数据中从未出现的目标类别，这种能力被称为零样本（zero-shot）或开放词汇（open-vocabulary）识别
1
来源数
50%
置信度
长期有效
时效性
2026/8/22
首次发现
来源
涉及实体
相关事实
待验证LoRA中A使用随机高斯初始化，B初始化为零，以确保训练开始时叠加量为零、不破坏原模型能力，推理时不引入额外延迟63% 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62% 相似待验证训练标签式零样本模型的团队应在评估时主动打乱候选顺序，作为常规的健壮性检查62% 相似待验证LoRA、QLoRA等参数高效微调技术只训练少量适配参数而非全量权重，可在消费级GPU上完成训练62% 相似待验证开放权重策略意味着模型参数可免费下载使用，但训练数据与完整训练流程通常不公开，已成为Meta Llama、Mistral等公司的主流选择62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/787393API
curl https://kongchang.com/api/v1/knowledge/claims/787393MCP
get_claim(id=787393)