¿Qué es Few-shot Learning?
Es la capacidad de la inteligencia artificial de aprender una nueva tarea con muy pocos ejemplos.
Definición
El aprendizaje de pocas muestras se produce cuando la inteligencia artificial aprende una tarea que nunca antes había visto viendo sólo unos pocos ejemplos. Este método permite que el modelo se adapte rápidamente sin necesidad de entrenarlo desde cero cada vez.
Cómo funciona
El modelo reconoce patrones basándose en algunos ejemplos que se le dan. Estos ejemplos permiten que el modelo centre el conocimiento general que ya tiene en la nueva tarea.
Dónde se usa
Se utiliza especialmente en modelos de lenguaje, donde el usuario quiere que el modelo responda en un formato específico.
Suele confundirse con
Mezclado con ajustes finos; Mientras que el ajuste fino cambia la estructura del modelo, el método de pocos disparos simplemente agrega ejemplos al comando actual.
Preguntas frecuentes
¿Cuántos ejemplos son suficientes?
Generalmente, de 1 a 5 ejemplos son suficientes para que el modelo comprenda la tarea.
¿Siempre tiene éxito?
Si la tarea es muy compleja o el modelo tiene poca capacidad, los ejemplos pueden no ser suficientes.
Términos relacionados
Esta explicación se redactó en lenguaje sencillo para TreScout y se tradujo automáticamente del original en turco · prevalece la versión turca. Si algo le parece erróneo o incompleto, escriba a hello@trescout.com. Leer en turco →