概念Zero-shot
零样本学习
零样本学习（Zero-Shot Learning）是机器学习领域的一种学习范式，指模型在未见过任何目标类别训练样本的情况下，仍能对其进行识别或推断的能力。其核心机制是利用语义描述、属性向量或知识迁移，将已知类别的知识泛化至未知类别。该方法广泛应用于图像识别、自然语言处理等任务，是解决标注数据稀缺问题的重要技术手段之一。
核心事实
时间轴 (近 90 天)
10月4日
零样本学习的实现通常依赖元学习和基于结构先验的泛化两种路径
待验证50%
9月10日
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
待验证50%
9月7日
CLIP实现了零样本分类,即便训练中从未明确见过的类别也能识别
待验证50%
9月5日
TimesFM具备零样本预测能力,可直接对未见过的时间序列进行预测而无需微调
待验证50%
9月1日
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
已验证65%