Učení z malého počtu příkladů | AI slovník

Odborná definice

Few-shot learning je rodina postupů, kterých cílem je zvládnout novou třídu nebo úlohu z malého počtu označených příkladů. V klasickém ML může využívat meta-learning, metric learning, prototypové reprezentace nebo přenos z předtrénovaného modelu. Při generativních modelech se výraz často používá i pro few-shot prompting, kde se několik demonštrací vloží do kontextu bez aktualizace parametrů. Výsledek závisí na podobnosti úloh, výběru příkladů, pořadí a pokrytí variant.

Srozumitelné vysvětlení

Pokud firma potřebuje rozoznat nový typ súčiastky, ale má pouze peť označených fotografií, běžný trénink od nuly je slabý základ. Few-shot přístup využije znalosti získané z jiných objektů a z několika ukážok vytvoří reprezentaci nové třídy. Při LLM lze do promptu vložit tri vzorové vstupy a požadované výstupy, aby model napodobnil formát. To není trvalé učení, protože po odstranění příkladů z kontextu se chování nemusí zachovat. Kvalita navíc prudko klesá, pokud ukázky nepokrývají reálnou variabilitu vstupů.

Časté otázky

Kolik příkladů znamená few-shot?

Neexistuje univerzálne číslo. V benchmarkoch se používá například 1-shot nebo 5-shot, ale praktický význam závisí na zložitosti třídy a variability dat.

Jak se few-shot liší od zero-shot?

Zero-shot řeší novou úlohu bez označenej demonštrace cílové třídy. Few-shot poskytuje malé množství konkrétních příkladů na adaptaci nebo podmínění.

Je few-shot prompting trénink modelu?

Ne. Parametry se nemění, model reaguje na demonštrace v aktuálnom kontextu. Fine-tuning naopak provádí optimalizačné aktualizace váh.

Proč záleží na poradí demonštrací?

Autoregresivní model může být citlivý na recency, strukturu a vzory v kontextu. Různé pořadí proto může měnit predikce i konzistentnost.

Jak se vybírají dobré příklady?

Mají pokrýt typické i hraniční případy, používat správný formát a být podobné cielovému vstupu. Výběr se hodnotí na oddelenom validačním souboru.

Související pojmy

Zdroje a redakční stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.