Few-shot learning: differenze tra le versioni
m (Alesaccoia ha spostato la pagina Few-shot learning a Concetti:Few-shot learning) |
Nessun oggetto della modifica |
||
Riga 3: | Riga 3: | ||
* la possibilità di fare [[fine-tuning]] su di un modello tramite pochi esempi annotati, per cui è un caso speciale di [[addestramento supervisionato]] o [[supervised learning]] | * la possibilità di fare [[fine-tuning]] su di un modello tramite pochi esempi annotati, per cui è un caso speciale di [[addestramento supervisionato]] o [[supervised learning]] | ||
* l'utilizzo di esempi direttamente nel [[prompt]] di un modello di linguaggio, che normalmente permette, in linguaggio naturale, di aumentare l'accuratezza nell'esecuzione del [[downstream task]] riepstto, per esempio, all'esecuzione [[zero-shot]] o [[one-shot]], in cui rispettivamente viene indicato solo l'obiettivo del task oppure viene fornito un solo esempio | * l'utilizzo di esempi direttamente nel [[prompt]] di un modello di linguaggio, che normalmente permette, in linguaggio naturale, di aumentare l'accuratezza nell'esecuzione del [[downstream task]] riepstto, per esempio, all'esecuzione [[zero-shot]] o [[one-shot]], in cui rispettivamente viene indicato solo l'obiettivo del task oppure viene fornito un solo esempio | ||
[[Category:concetti]] |
Versione delle 08:55, 23 feb 2024
L'apprendimento few-shot, nell'ambito dei modelli di deep learning, viene usato per indicare, alternativamente:
- la possibilità di fare fine-tuning su di un modello tramite pochi esempi annotati, per cui è un caso speciale di addestramento supervisionato o supervised learning
- l'utilizzo di esempi direttamente nel prompt di un modello di linguaggio, che normalmente permette, in linguaggio naturale, di aumentare l'accuratezza nell'esecuzione del downstream task riepstto, per esempio, all'esecuzione zero-shot o one-shot, in cui rispettivamente viene indicato solo l'obiettivo del task oppure viene fornito un solo esempio