В чём отличие few-shot learning от zero-shot learning?

Основное отличие few-shot learning от zero-shot learning заключается в подходе к обучению моделей. habr.com www.ultralytics.com

Zero-shot learning (ZSL) — это способность модели выполнять задачи без каких-либо примеров обучения. habr.com Модель учится за счёт обобщённых знаний, полученных во время предобучения. habr.com Zero-shot learning подходит для работы с невидимыми или незнакомыми классами. www.ultralytics.com

Few-shot learning (FSL) — это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи. habr.com Few-shot learning эффективен в случаях, когда доступно мало размеченных данных. habr.com

Таким образом, zero-shot learning ориентирован на работу с данными, которые модель не видела во время обучения, а few-shot learning — на ситуации, когда для обучения доступно небольшое количество помеченных данных. www.ultralytics.com {8-host}