Few-shot

AI提示词终极奥秘：三招破解Zero-Shot/Few-Shot/COT魔法

掌握Zero-Shot/Few-Shot/COT技术，普通人也能让AI发挥出研究员级别的思考能力。

曦紫沐·2025-03-03 22:05

CMU 10423 Generative AI：lec10（few-shot、提示工程、上下文学习）

文章目录1概述2摘录2.1zero-shot和few-shot一、Zero-shotLearning（零样本学习）特点：工作原理：优点：缺点：二、Few-shotLearning（少样本学习）特点：工作原理

⊙月·2025-03-01 12:06

文章精读篇——用于遥感小样本语义分割的可学习Prompt

10.48550/arXiv.2404.10307相关竞赛：https://codalab.lisn.upsaclay.fr/competitions/17568年份：2024任务背景小样本语义分割（Few-shot

LiXiang like coding吗·2025-02-28 04:59

什么是CoT（带有长链思维）的Few-shot Prompting（少样本提示）

使用**带有长链思维（Chain-of-Thought,CoT）的少样本提示（Few-shotPrompting）**是一种强大的技术，能够帮助模型更好地解决复杂问题，尤其是需要多步推理的任务。以下是对这种技术的详细解释、实现方法以及示例。1.什么是带有长链思维的少样本提示？少样本提示（Few-shotPrompting）：在输入中提供少量示例（通常为3-5个），让模型通过这些示例学习任务模式并生

早退的程序员·2025-02-22 15:03

langchain系列 - FewShotPromptTemplate 少量示例

Python3.12.3langchain0.3背景：前期忙碌的开发阶段结束，需要沉淀自己的应用知识，过一遍LangChain时间：20250220说明：技术梳理，针对FewShotPromptTemplate专门来写一篇博客概念说明few-shot

码--到成功·2025-02-21 02:26

LangChain开发【NL2SQL】应用（few-shot优化）

这篇文章来讲一下优化什么是few-shot使用这些少量的、调整后的样本对预训练模型进行微调其实就是给LLM少量示例关于few-shot的研究：https://medium.com/ubiai-nlp/step

向羿燃·2025-02-15 22:48

langchain学习笔记之小样本提示词Few-shot Prompt Template

langchain学习笔记之小样本提示词引言Few-shotPromptTemplates\text{Few-shotPromptTemplates}Few-shotPromptTemplates简单介绍示例集创建创建ExamplePrompt\text{ExamplePrompt}ExamplePrompt与ExampleSelector\text{ExampleSelector}Example

静静的喝酒·2025-02-15 21:08

大模型: 提示词工程（prompt engineering）

文章目录一、什么是提示词工程二、提示词应用1、提示技巧一：表达清晰2、提示词技巧2：设置角色三、提示方法1、zero-shot提示法2、Few-shot提示法3、思考链COT（chain-of-thought

玉成226·2025-02-13 06:30

【大模型】从零样本到少样本学习：一文读懂 Zero-shot、One-shot 和 Few-shot 的核心原理与应用！

《从零样本到少样本学习：一文读懂Zero-shot、One-shot和Few-shot的核心原理与应用！》

橙子小哥的代码世界·2025-01-19 17:06

Few-shot Learning

Few-shotLearning一、基本概念Few-shotlearning是一种机器学习方法，旨在从少量的样本中学习新的概念或任务。在传统的机器学习中，通常需要大量的标注数据来训练模型，以获得良好的性能。然而，在许多实际应用中，获取大量标注数据是困难、昂贵或耗时的。Few-shotlearning则试图解决这个问题，通过利用少量的样本进行学习，使模型能够快速适应新的任务或概念。二、关键特点（一）

代维7·2024-08-24 03:04

论文阅读笔记《SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种基于最近邻方法的小样本学习算法（SimpleShot），作者指出目前大量的小样本学习算法都采用了元学习的方案，而作者却发现使用简单的特征提取器+最近邻分类器的方法就能实现非常优异的小样本分类效果。本文首先用特征提取网络fθf_{\theta}fθ+线性分类器在一个基础数据集上对网络进行训练，将训练得到的特征提取网络增加一个简单的特征

深视·2024-02-24 10:28

SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning 论文笔记

前言目前大多数小样本学习器首先使用一个卷积网络提取图像特征，然后将元学习方法与最近邻分类器结合起来，以进行图像识别。本文探讨了这样一种可能性，即在不使用元学习方法，而仅使用最近邻分类器的情况下，能否很好地处理小样本学习问题。本文发现，对图像特征进行简单的特征转换，然后再进行最近邻分类，也可以产生很好的小样本学习结果。比如，使用DenseNet特征的最近邻分类器，在结合均值相减（meansubtra

头柱碳只狼·2024-02-24 10:28

精读Relational Embedding for Few-Shot Classification (ICCV 2021)

RelationalEmbeddingforFew-ShotClassification(ICCV2021)一、摘要该研究提出了一种针对少样本分类问题的新方法，通过元学习策略来学习“观察什么”和“在哪里关注”。这种方法依赖于两个关键模块：自相关表示（SCR）和交叉相关注意力（CCA），来分别处理图像内部和图像之间的关系模式。自相关表示（SCR）模块：用于捕捉单个图像内的结构化模式，通过转换基础特征

coding_ksy·2024-02-15 05:06

MarioNETte: Few-shot Face Reenactment Preserving Identity of Unseen Targets（AAAI20）

MarioNETteArchitectureFig.2展示了MarioNETte的框架图给定driverimagex\mathbf{x}x，一组targetimages{yi}i=1⋯K\left\{\mathbf{y}^i\right\}_{i=1\cdotsK}{yi}i=1⋯K，整个framework输出一幅Reenactedimage注意：driverx\mathbf{x}x是一帧图像，t

o0Helloworld0o·2024-02-05 10:27

论文解读：DeepBDC小样本图像分类

JointDistributionMatters:DeepBrownianDistanceCovarianceforFew-ShotClassification摘要由于每个新任务只给出很少的训练样例，所以few-shot

十有久诚·2024-02-04 01:19

论文解读：Class-Aware Patch Embedding Adaptation for Few-Shot Image Classification(2023 CVPR)

这可能会大大降低大量的few-shot学习算法的效率，这些算法的数据有限，并且高度依赖于图像patch的比较。

十有久诚·2024-02-04 01:19

DIFFERENTIABLE PROMPT MAKES PRE-TRAINED LANGUAGE MODELS BETTER FEW-SHOT LEARNERS

DifferentiAblepRompT(DART)，预训练的语言模型+反向传播对提示模板和目标标签进行差异优化可微提示（DART）模型的体系结构与MLM预训练和常规微调进行了比较，其中Ti和Yi是词汇表中未使用的或特殊的标记。我们利用语言模型中的一些参数作为模板和标记标记，并通过反向传播对它们进行优化，而不引入模型之外的其他参数。提出了一种新的可微提示（DART）微调方法。如图所示，关键思想是利

Tsukinousag·2024-01-28 03:46

太通透了！大模型接入业务系统的最佳实践来了

文章目录一、背景二、业务系统接入大模型的三种方式用通俗易懂的方式讲解系列技术交流三、直接PROMPT(提示语)方式接入PROMPT的常用技巧Zero-Shot,One-Shot,Few-Shot链式思维任务分解如何在

机器学习社区·2024-01-23 01:33

【计算机图形学】Few-Shot Physically-Aware Articulated Mesh Generation via Hierarchical Deformation

文章目录1.为什么要提出这个工作2.之前的工作（PrivousWork）网格生成模型Few-shot生成物理感知的机器学习3.PipelineOverview分层网格变形物理感知的变形校正4.实验评价指标定性实验

passer__jw767·2024-01-19 22:10

论文阅读：《Few-Shot Unsupervised Image-to-Image Translation》

十二月了时间过得太快2020过得太快又太慢忙里偷闲的十二月有太多值得期待攒了好久终于来更新了论文名称：《Few-ShotUnsupervisedImage-to-ImageTranslation》论文地址：https://arxiv.org/abs/1905.01723论文翻译：https://blog.csdn.net/a312863063/article/details/90728788论文阅

LiBiscuit·2024-01-13 20:21

DomainForensics: Exposing Face Forgery across Domains via Bi-directional Adaptation

二、研究动机1.zero-shot方法难以利用新增样本，few-shot方法需要对样本进行注释，无监督域自

二苏旧局吖·2024-01-12 09:26

CVPR19-Few-shot

CVPR19-Few-shot本文主要总结了CVPR2019的few-shot的文章，主要从motivation，具体方法上进行总结。

vieo·2024-01-11 00:05

论文阅读：Language Models are Few-Shot Learners（巨无霸OpenAI GPT3 2020）

原文连接论文阅读：LanguageModelsareFew-ShotLearners（巨无霸OpenAIGPT32020）-知乎目录收起摘要1介绍2方法2.1模型和架构2.2训练数据集2.3训练流程2.4评估3结果3.1语言模型、完形填空和完成任务3.2封闭域问答系统3.3机器翻译3.4Winograd风格的任务3.5常识推理3.6阅读理解3.7SuperGLUE3.8NLI3.9综合和定性任务4

baidu_huihui·2024-01-10 13:23

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (一)

摘要上下文学习（ICL）已成为处理各种自然语言处理任务的一种新方法，它利用大型语言模型（LLM）根据上下文进行预测，并辅以一些示例或特定于任务的指令。在本文中，我们的目标是将这种方法扩展到利用结构化知识源的问答任务，并通过探索使用LLM的各种提示设计策略来改进文本到SQL系统。我们对不同的演示选择方法和最佳指令格式进行了系统研究，以提升LLM在文本到SQL任务中的表现。我们的方法涉及利用示例的SQ

数大招疯·2024-01-10 05:25

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (二)

ChatGPT论文：EnhancingFew-shotText-to-SQLCapabilitiesofLargeLanguageModels(一)3实验3.1实验设置数据集Spider：复杂文本到SQL问题的跨领域数据集。Spider-Syn：使用同义词替换Spider问题中的模式相关词汇，评估系统的鲁棒性。Spider-DK：在Spider示例中添加领域知识，评估跨领域泛化能力。Spider-

数大招疯·2024-01-10 05:25

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (三)

ChatGPT论文：EnhancingFew-shotText-to-SQLCapabilitiesofLargeLanguageModels(一)ChatGPT论文：EnhancingFew-shotText-to-SQLCapabilitiesofLargeLanguageModels(二)4分析4.1基于预测语法的检索现有的示例选择方法依赖于问题和数据库的语义表示。本文提出了一种专门针对代码

数大招疯·2024-01-10 05:25

用通俗易懂的方式讲解：使用 Mistral-7B 和 Langchain 搭建基于PDF文件的聊天机器人

LangChain使用带prompt和few-shot示例的LLM来提供相关响应和推理。LangChain擅长文档

Python算法实战·2024-01-08 11:50

论文阅读:《An Overview of Deep Learning Architectures in Few-Shot Learning Domain》

好久没有更新论文阅读这个系列了…上一次更新还是在家…极度拖延我本人（真怕哪天写着写着就不更了hh）其实论文都有看但是看得太杂就也没有想记录一下。今天更新一篇小样本的综述论文的阅读笔记。论文名称：《AnOverviewofDeepLearningArchitecturesinFew-ShotLearningDomain》论文地址：http://cn.arxiv.org/abs/2008.06365本

LiBiscuit·2024-01-07 16:42

小模型也能COT（人工智能大模型）

但是在思维链基础和进阶玩法中反复提到不论是few-shot还是zero-shot的思维链能力似乎都是100B左右的大模型才有的涌现能力，而在小模型上使用COT甚至会带来准确率的下降。

人工智能小豪·2024-01-03 17:01

模型复杂推理-思维链COT基础和进阶玩法

论文的核心是通过Few-shot的方案，来引导模型生成中间推理过程，并最终提高模型解决复杂问题的能力。核心逻辑很Simple&Naive通过在Few-shot样本中

人工智能小豪·2024-01-02 02:00

【深度学习：Few-shot learning】理解深入小样本学习中的孪生网络

【深度学习：Few-shotlearning】理解深入小样本学习中的孪生网络深入理解孪生网络：架构、应用与未来展望小样本学习的诞生元学习小样本学习孪生网络的基本概念孪生网络的细节TripletLoss架构特点关键组件训练过程主要应用领域未来展望示例图片结论备注：本篇博客中有部分图片由GPT生成深入理解孪生网络：架构、应用与未来展望在人工智能和机器学习的领域中，**孪生网络（SiameseNetwo

jcfszxc·2024-01-01 17:30

论文速看 Few-shot Image Generation via Cross-domain Correspondence

Few-shotImageGenerationviaCross-domainCorrespondencePaperlink:linkGithublink:link文章目录Few-shotImageGenerationviaCross-domainCorrespondenceAbstractThoughtsRelatedPapersFew-shotlearningDistancepreservari

Miao kristoff·2024-01-01 12:39

论文速看 Few-shot Image Generation with ElasticWeight Consolidation

Few-shotImageGenerationwithElasticWeightConsolidationYear:2020Paperlink:link文章目录Few-shotImageGenerationwithElasticWeightConsolidationAbstractInductionThoughtsRelatedWorkFew-shotlearningContinuouslearn

Miao kristoff·2024-01-01 12:38

【论文阅读笔记】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs - EMNLP 2019

知识图谱-->知识补全-->长尾问题-->元关系学习基于度量的方法基于优化的方法（本文）文章目录Abstract1Introduction2RelatedWork2.1知识图谱嵌入2.2元学习（Meta-Learning）3TaskFormulation4Method4.1关系元学习器4.2嵌入学习器4.3训练目标5Experiments5.1数据集和评估指标5.2实施5.3结果5.4消融研究5.

卷卷0v0·2024-01-01 02:14

Ref 系列 UniRef++: Segment Every Reference Object in Spatial and Temporal Spaces 论文阅读笔记

SegmentEveryReferenceObjectinSpatialandTemporalSpaces论文阅读笔记一、Abstract二、引言三、相关工作3.1统一的模型3.2特定任务的目标分割指代图像分割Few-shot

乄洛尘·2023-12-31 08:34

LLM之RAG实战（十一）| 使用Mistral-7B和Langchain搭建基于PDF文件的聊天机器人

LangChain使用带prompt和few-shot示例的LLM来提供相关响应和推理。LangChain擅长文档

wshzd·2023-12-30 20:17

GPT-3: Language Models are Few-Shot Learners

GPT-3论文数据集CommonCrawl：文章通过高质量参考语料库对CommonCrawl数据集进行了过滤，并通过模糊去重对文档进行去重，且增加了高质量参考语料库以增加文本的多样性。WebText：文章采用了类似GPT-2中的WebText文档收集清洗方法获得了更大范围的网页数据。BooksCorpora：此外文章增加了两个来自网络的书籍语料库。Wiki：增加了英语百科语料库。方法模型架构基本延

u013308709·2023-12-30 06:31

Concept Learners for Few-Shot Learning笔记（ICLR 2021）

ConceptLearnersforFew-ShotLearningBackground——Fewshotlearningmeta-learningFew-Shotlearning与传统监督学习的区别RelatedWork——PrototypicalNetworkMotivationMethod符号定义公式原理ExperimentalResultsReferences这是2021年斯坦福大学在IC

kevin小新·2023-12-30 06:51

OPTIMIZATION AS A MODEL FOR FEW-SHOT LEARNING

文章提出，在小样本数据下，基于梯度的优化算法失败的原因：1、梯度优化算法无法在几步之内完成优化，特别是非凸问题，各种超参的选取无法保证收敛的速度。2、不同任务随机初始化会影响任务收敛到好的解上。尽管迁移学习能缓解这个问题，但新数据与原始数据偏差较大时，迁移学习的性能就会大大降低。LSTM内部的更新非常类似于梯度下降的更新，因此利用LSTM的结构训练一个meta-learner模型，用于学习另一个神

果园林·2023-12-19 23:04

掌握大型语言模型（LLM）技术：推理优化

堆叠Transformer层以创建大型模型可以获得更好的准确性、few-shot学习能力，甚至在各种语言任务中具有接近人类的涌现能力。

IT挂壁青年·2023-12-04 06:33

Linguistic Steganalysis in Few-Shot Scenario论文阅读笔记

实验是对比在少样本的情况下，各个模型的效果，当训练样本少于10的时候(few-shot)，上面提到的T

菜菜小堡·2023-12-03 15:17

【论文理解】Spatial Contrastive Learning for Few-Shot Classification

内容概览前言一、空间对比学习（SpatialContrastiveLearning）1.对比学习2.全局对比损失3.空间对比损失二、特征的修正三、对比蒸馏（ContrastiveDistillation）四、少样本分类五、实验结果总结前言这篇论文提出了一个采用非episodictraining方法的少样本图像分类算法，作者来自巴黎萨克雷大学，于2020.12.26挂在arxiv上：论文链接这篇论文

辣椒油li·2023-12-02 01:52

论文阅读《RelationNet2: Deep Comparison Columns for Few-Shot Learning》

十一月啦！时间真的很快从周四拖延一直到现在才写完的博希望接下来多努力一点多加油一点好运也多眷顾我一下！论文名称：《RelationNet2:DeepComparisonColumnsforFew-ShotLearning》论文地址：https://arxiv.org/pdf/1811.07100v3.pdf论文解读参考：https://blog.csdn.net/qq_36104364/artic

LiBiscuit·2023-11-30 11:48

论文阅读：《Revisiting Mid-Level Patterns for Distant-Domain Few-Shot Recognition》

本人终于来更新论文阅读啦！老样子还是小样本跨域论文这篇针对的是远域了。论文名称：《RevisitingMid-LevelPatternsforDistant-DomainFew-ShotRecognition》论文地址：https://arxiv.org/abs/2008.03128本篇文章只记录个人阅读论文的笔记，具体翻译、代码等不展开，详细可见上述的链接.Background1.强假设：Exi

LiBiscuit·2023-11-27 04:49

CVPR 2023 精选论文学习笔记：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

我们给出以下四个分类标准：1.学习方法元学习：元学习是一种学习范式，旨在教模型如何快速学习新任务。在小样本学习的背景下，元学习算法在各种任务上进行训练，每个任务只有少数示例。这允许模型学习如何调整其学习过程以适应新任务，即使这些任务与它以前见过的任务非常不同。数据增强：数据增强是一种通过对现有数据应用转换来生成新训练数据的技术。这对于小样本学习来说可以是一种有用的技术，因为它可以帮助增加可用训练数

结构化文摘·2023-11-26 19:33

什么是Few-shot Learning

Few-shotLearning（少样本学习）是MetaLearning（元学习）中的一个实例[1]，所以在了解什么是Few-shotLearning之前有必要对MetaLearning有一个简单的认识。不过在了解什么是MetaLearning之前还是要了解一下什么是Meta。因此，阅读本文后你将对如下知识有一个初步的了解。WhatisMetaWhatisMetaLearningWhatisFew

一位学有余力的同学·2023-11-24 17:57

Toolformer论文阅读笔记（简略版）

文章目录引言方法限制结论引言大语言模型在zero-shot和few-shot情况下，在很多下游任务中取得了很好的结果。

北岛寒沫·2023-11-21 07:54

（2022，MoCA）Few-shot 图像生成的原型记忆（Prototype Memory）和注意力机制

PrototypeMemoryandAttentionMechanismsforFewShotImageGeneration公众号：EDPJ目录0.摘要1.简介2.相关工作3.方法3.1原型记忆学习3.2记忆概念注意力（MEMORYCONCEPTATTENTION，MoCA）3.3空间上下文注意力3.4整合两条调制路径4.实验4.1few-shot图像合成性能4.2消融研究4.3原型概念分析4.4

EDPJ·2023-11-20 12:43

Attentron：few-shot text-to-Speech Utilizing Attemtio-based Variabl-length Embedding论文阅读

摘要：提出attentron，一个少样本的语音合成模型用于克隆在训练过程中未出现的说话人的声音。这里引入了两个用于不同目的的特殊编码器。一个微调的编码器通过注意力机制来提取变长的风格信息，一个粗调的编码器用于提高语音合成的稳定性，避免了在合成未见过说话人的语音时产生胡言乱语。此外，模型还能扩展到任意长度的参考音频以此来改善合成语音的质量。关键词：少样本，语音合成，多说话人模型，说话人编码介绍少样本

JanettaC·2023-11-20 07:35

什么是zero-shot, one-shot和few-shot Learning

Zero-shotlearning--零样本学习任务定义：利用训练集数据训练模型，使得模型能够对测试集的对象进行分类，但是训练集类别和测试集类别之间没有交集；期间需要借助类别的描述，来建立训练集和测试集之间的联系，从而使得模型有效。Zero-shotlearning就是希望我们的模型能够对其从没见过的类别进行分类，让机器具有推理能力，实现真正的智能。其中零次（Zero-shot）是指对于要分类的类

nocol.·2023-11-17 12:19

推荐频道

Few-shot

AI提示词终极奥秘：三招破解Zero-Shot/Few-Shot/COT魔法

CMU 10423 Generative AI：lec10（few-shot、提示工程、上下文学习）

文章精读篇——用于遥感小样本语义分割的可学习Prompt

什么是CoT（带有长链思维）的Few-shot Prompting（少样本提示）

langchain系列 - FewShotPromptTemplate 少量示例

LangChain开发【NL2SQL】应用（few-shot优化）

langchain学习笔记之小样本提示词Few-shot Prompt Template

大模型: 提示词工程（prompt engineering）

【大模型】从零样本到少样本学习：一文读懂 Zero-shot、One-shot 和 Few-shot 的核心原理与应用！

Few-shot Learning

论文阅读笔记《SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning》

SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning 论文笔记

精读Relational Embedding for Few-Shot Classification (ICCV 2021)

MarioNETte: Few-shot Face Reenactment Preserving Identity of Unseen Targets（AAAI20）

论文解读：DeepBDC小样本图像分类

论文解读：Class-Aware Patch Embedding Adaptation for Few-Shot Image Classification(2023 CVPR)

DIFFERENTIABLE PROMPT MAKES PRE-TRAINED LANGUAGE MODELS BETTER FEW-SHOT LEARNERS

太通透了！大模型接入业务系统的最佳实践来了

【计算机图形学】Few-Shot Physically-Aware Articulated Mesh Generation via Hierarchical Deformation

论文阅读：《Few-Shot Unsupervised Image-to-Image Translation》

DomainForensics: Exposing Face Forgery across Domains via Bi-directional Adaptation

CVPR19-Few-shot

论文阅读：Language Models are Few-Shot Learners（巨无霸OpenAI GPT3 2020）

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (一)

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (二)

ChatGPT 论文：Enhancing Few-shot Text-to-SQL Capabilities of Large Language Models (三)

用通俗易懂的方式讲解：使用 Mistral-7B 和 Langchain 搭建基于PDF文件的聊天机器人

论文阅读:《An Overview of Deep Learning Architectures in Few-Shot Learning Domain》

小模型也能COT（人工智能大模型）

模型复杂推理-思维链COT基础和进阶玩法

【深度学习：Few-shot learning】理解深入小样本学习中的孪生网络

论文速看 Few-shot Image Generation via Cross-domain Correspondence

论文速看 Few-shot Image Generation with ElasticWeight Consolidation

【论文阅读笔记】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs - EMNLP 2019

Ref 系列 UniRef++: Segment Every Reference Object in Spatial and Temporal Spaces 论文阅读笔记

LLM之RAG实战（十一）| 使用Mistral-7B和Langchain搭建基于PDF文件的聊天机器人

GPT-3: Language Models are Few-Shot Learners

Concept Learners for Few-Shot Learning笔记（ICLR 2021）

OPTIMIZATION AS A MODEL FOR FEW-SHOT LEARNING

掌握大型语言模型（LLM）技术：推理优化

Linguistic Steganalysis in Few-Shot Scenario论文阅读笔记

【论文理解】Spatial Contrastive Learning for Few-Shot Classification

论文阅读《RelationNet2: Deep Comparison Columns for Few-Shot Learning》

论文阅读：《Revisiting Mid-Level Patterns for Distant-Domain Few-Shot Recognition》

CVPR 2023 精选论文学习笔记：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

什么是Few-shot Learning

Toolformer论文阅读笔记（简略版）

（2022，MoCA）Few-shot 图像生成的原型记忆（Prototype Memory）和注意力机制

Attentron：few-shot text-to-Speech Utilizing Attemtio-based Variabl-length Embedding论文阅读

什么是zero-shot, one-shot和few-shot Learning