概念少样本学习 / Few-Shot
Few-Shot Learning
小样本学习（Few-Shot Learning）是一种机器学习范式，旨在使模型仅凭极少量标注样本（通常为1至数十个）即可完成对新任务或新类别的识别与泛化。其核心思想源于元学习（Meta-Learning），通过在多个辅助任务上训练，使模型习得跨任务迁移的通用能力。常见方法包括基于度量的方法、基于优化的方法和基于模型的方法，广泛应用于图像识别、自然语言处理等数据稀缺场景。
小样本学习（Few-Shot Learning）是一种机器学习范式，旨在使模型仅凭极少量标注样本（通常为1至数十个）即可完成对新任务或新类别的识别与泛化。其核心思想源于元学习（Meta-Learning），通过在多个辅助任务上训练，使模型习得跨任务迁移的通用能力。常见方法包括基于度量的方法、基于优化的方法和基于模型的方法，广泛应用于图像识别、自然语言处理等数据稀缺场景。