2025年4月10日
jina的小样本文本分类
摘要： https://jina.ai/news/jina-classifier-for-high-performance-zero-shot-and-few-shot-classification/ 目前精度可以做到90%+，在意图分类中可以做到较为稳定的95%+精度，离商用还有一点差距。 Zero-Sh 阅读全文
posted @ 2025-04-10 20:48 bonelee 阅读(44) 评论(0) 推荐(0)
Zero-Shot Learning 最新研究进展
摘要： 结合强化学习的零样本学习是目前机器人应用的一个热门方向。==》alpha go-》alpha zero。因为有现实世界的反馈。 这篇论文 《Zero-Shot Learning of Causal Models》 的核心分析要点和方法总结如下： 主要背景 目标问题： 传统因果模型结构（SCM）的识别 阅读全文
posted @ 2025-04-10 20:17 bonelee 阅读(130) 评论(0) 推荐(0)
面向开放世界的少样本学习：回顾与展望【2024.8】
摘要： https://arxiv.org/abs/2408.09722 摘要 本研究深化了开放世界中的小样例学习（Few-Shot Learning, FSL）技术，通过回顾相关领域最新成果，提出了一个统一的分类框架——开放世界小样例学习（OFSL）。该框架将问题划分为实例变化、类别变化及分布变化三个主要 阅读全文
posted @ 2025-04-10 18:04 bonelee 阅读(194) 评论(0) 推荐(0)
《Nature》发表的SBeA框架小样本学习关键技术——双向迁移
摘要： 关键点 研究表明，SBeA框架通过双向迁移学习在小样本学习中实现了突破，尤其是在多动物3D姿态估计和身份识别任务中。 双向迁移似乎在姿态估计和身份识别任务之间传递知识，可能通过共享特征或一致性损失实现。 证据倾向于支持SBeA使用多种模型（如DeepLabCut和EfficientNet）来减少手动 阅读全文
posted @ 2025-04-10 17:37 bonelee 阅读(131) 评论(0) 推荐(0)