Few-shot learning: differenze tra le versioni

Versione delle 12:35, 3 mar 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
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

@@ Riga 1: / Riga 1: @@
 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]]
+* la possibilità di fare [[fine-tuning]] su di un modello tramite pochi esempi annotati, per cui è un caso speciale di [[addestramento supervisionato]]
 * 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]]