#零样本学习

共 9 篇相关文章

为新项目选择AI模型时，如何在预训练模型、微调和从零训练之间做出决策？本文提供系统性决策框架，从问题定义、数据评估到成本权衡，帮助工程师快速找到最优技术路线。

深入分析多语言关系抽取中两大隐患：标签顺序泄露导致模型作弊，以及证据稀疏比标签稀疏更致命的问题。提供GLiNER风格零样本模型训练的避坑指南与长尾标签处理策略。

RearAware是一款本地运行的AI Chrome扩展，可在视频会议中实时检测并打码猫屁股。本文深入分析其面临的小众数据集收集难题，探讨数据增强、合成数据、众包采集和迁移学习等解决方案。

Zer0Fit是一个开源项目，将谷歌TabFM和TimesFM两款机器学习基础模型封装为MCP服务器，让用户无需编写ML代码，直接通过本地LLM完成分类、回归与时间序列预测任务。本文详解其技术架构、性能表现与使用局限。

深度解析吴恩达联手OpenAI推出的ChatGPT提示词工程课程精华。涵盖基础模型与指令微调模型的本质区别、两大核心提示词原则，以及如何正确驾驭大语言模型API构建应用，帮助开发者建立系统化的Prompt Engineering认知框架。

不依赖任何现成框架，从零手写AI Agent智能体框架，深度拆解Function Call工具调用、MCP远程服务镜像、双模型分发架构、短期记忆管理等核心机制，彻底理解智能体底层原理，摆脱LangGraph等框架的黑盒限制。

不依赖任何框架，从零实现AI Agent系统。深入拆解Function Call工具Schema设计、MCP远程服务镜像、双模型调度架构与短期记忆管理，帮你彻底理解智能体底层逻辑，告别黑盒框架。

想入门AI Agent开发？本文手把手带你理解大模型与提示词两大核心概念，通过Python调用DeepSeek API，实现多轮对话、系统提示词人设设定，完整搭建基础对话智能体，是进阶复杂Agent的必备起点。

深度解析Meta开源的SAM3视觉分割模型，从手动点选到自然语言驱动的范式转变，零样本分割性能提升26%，覆盖体育科技、视频制作、工业检测等应用场景，附SAM3.1最新进展。