2025年1月21日 · 将 One-Shot 与 Few-Shot、Zero-Shot 区分开的原因是它最接近某些任务与人类沟通的方式。 相比之下，如果没有示例，有时很难传达任务的内容或格式。 Zero-Shot（0S） 和 One-shot 类似，但不允许提供样本，只给出描述任务的自然语言指令。

[6]Zero-Shot Learning via Class-Conditioned Deep Generative Models. [7]Semantic Autoencoder for Zero-Shot Learning. [8]Zero-Shot Recognition using Dual Visual-Semantic Mapping Paths. [9]An Empirical Study and Analysis of Generalized Zero-Shot Learning for Object Recognition in the Wild. [10]An embarrassingly simple approach to zero-shot learning

一句话，few shot learning是一种场景，而semi-supervised learning是一种具体的解决途径，而处理这种应用场景的并不只有semi-supervised learning一条路可走。 首先看few shot learning想要解决的问题是什么？ 1. 数据不够，机器学习范化能力太差。 2. 当数据集巨大时，标数据成本 ...

单样本学习（one-shot learning，通常用于对象分类） 一种机器学习方法，通常用于对象分类，旨在通过单个训练样本学习有效的分类器。 另请参阅少量样本学习。

懵逼的我TAT：“呃呃，和encoder-only相比，它既能做理解也能做生成，预训练的数据量和参数量上去之后，GPT这样的decoder-only模型的zero-shot泛化能力很好，而BERT这样的encoder-only模型一般还需要少量的下游标注数据来fine-tune才能得到较好的性能。

知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、 …

七分身镜头 cowboy shot, 人物面朝远方(背对) facing away, 特写 close up, 多视图 multiple views, 电影镜头cinematic angle, 这些提示词用来. 表现画面和构图角度是很好用的！

我感觉，从论文质量上，full paper ≈ short paper 略大于 findings 明显大于 workshop。 对比full & short paper，理论上讲，full paper一般都是较为完整的工作，模型较为复杂，对一些可能性作了较为全面的探索，而short paper一般都是straightforward但是有效的小方法，定义了一个问题，或者汇报了一个negative的结果。

我个人觉得，few-shot和meta learning不能说存在包含关系，因为他们目的不同，前者是只允许少样本，后者是multitask下能学出某种task meta knowledge。但是因为问题设定都要求了少样本训练所得的性能，这才产生了联系。 而为什么总是看到few-shot在用meta-learning的setting呢？

我们要到是微微调，甚至是zero-shot，谁还重新训练模型啊。 而且文章中唯一一次使用linear prob做ImageNet classification就提升了3.3%。 可能作者自己都没察觉到这点，文章中各种用ft的实验，然后present 百分之0.x%的提升。