Few-shot learning: differenze tra le versioni

Da Wiki AI.
Nessun oggetto della modifica
Nessun oggetto della modifica
Riga 1: Riga 1:
Nome inglese: [[NomeInglese::Few-shot learning]]
{{Template concetto
 
|NomeInglese=Few-shot learning
}}


L'apprendimento few-shot, nell'ambito dei modelli di deep learning, viene usato per indicare, alternativamente:
L'apprendimento few-shot, nell'ambito dei modelli di deep learning, viene usato per indicare, alternativamente:
Riga 6: Riga 7:
* la possibilità di fare [[fine-tuning]] su di un modello tramite pochi esempi annotati, per cui è un caso speciale di [[addestramento supervisionato]]
* 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
* 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:concetto]]
__SHOWFACTBOX__

Versione delle 11:17, 17 ago 2024

Few-shot learning
Nome Inglese Few-shot learning
Sigla


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