Qu'est-ce que Few-shot Learning ?
C’est la capacité de l’intelligence artificielle à apprendre une nouvelle tâche avec très peu d’exemples.
Définition
L’apprentissage sur quelques échantillons consiste à ce que l’intelligence artificielle apprenne une tâche qu’elle n’a jamais vue auparavant en voyant seulement quelques exemples. Cette méthode permet au modèle de s’adapter rapidement sans avoir besoin d’être formé à partir de zéro à chaque fois.
Comment ça marche
Le modèle reconnaît des modèles sur la base de quelques exemples qui lui sont donnés. Ces exemples permettent au modèle de concentrer les connaissances générales dont il dispose déjà sur la nouvelle tâche.
Où est-ce utilisé
Il est particulièrement utilisé dans les modèles de langage, où l'utilisateur souhaite que le modèle réponde dans un format spécifique.
Souvent confondu avec
Mélangé avec un réglage fin ; Alors que le réglage fin modifie la structure du modèle, la méthode en quelques coups ajoute simplement des exemples à la commande actuelle.
Questions fréquentes
Combien d’exemples suffisent ?
Généralement, 1 à 5 exemples suffisent au modèle pour comprendre la tâche.
Est-ce toujours réussi ?
Si la tâche est très complexe ou si le modèle a une faible capacité, les exemples peuvent ne pas suffire.
Termes liés
Cette explication a été rédigée en langage clair pour TreScout puis traduite automatiquement depuis l’original turc · la version turque fait foi. Si quelque chose vous semble erroné ou manquant, écrivez à hello@trescout.com. Lire en turc →