概念Zero-shot Generalization
零样本泛化
机器学习模型在一种数据分布或任务规模上训练后，无需额外微调即可直接应用于不同分布或更大规模任务的能力。
时间轴 (近 90 天)
10月16日
零样本泛化指模型在未经过任何目标数据集训练或微调的情况下，直接迁移到新数据集上仍能保持可用性能。
待验证50%
10月16日
零样本迁移仍可能受限于目标数据集之间在场景类型、标注密度和运动模式上的差异，实际部署时往往还需少量适配。
待验证50%
机器学习模型在一种数据分布或任务规模上训练后，无需额外微调即可直接应用于不同分布或更大规模任务的能力。
零样本泛化指模型在未经过任何目标数据集训练或微调的情况下，直接迁移到新数据集上仍能保持可用性能。
零样本迁移仍可能受限于目标数据集之间在场景类型、标注密度和运动模式上的差异，实际部署时往往还需少量适配。