术语slug: zero-shot-learning

零样本学习

Zero-shot Learning

模型在未针对特定任务微调的情况下直接执行新任务的能力

收录情报动态

共 17 篇 · 第 1/2 页
Marktechpost (@Marktechpost)T2·开发与工程
72 分
Google Research 发布 Agile Deliberation 框架,人机协作定义模糊概念

Google Research 开源 Agile Deliberation 框架,让用户在 AI 分类器学习之前先界定模糊的“灰色地带”概念。系统将概念拆分为范围内与范围外子概念,再展示边界样本供用户标注,由 Gemini 重写定义作为 VLM 提示词。18 场实测中 F1 平均较零样本 Gemini 2.5 Flash 高 10.5 分,代码以 Apache 2.0 开源。

Hacker News AIT2·开发与工程
68 分
开发者设计对抗性语言 KillSwitch,测试大模型代码理解能力

开发者推出名为 KillSwitch 的深奥编程语言,专门用于探测大模型在未见过的语法下的真实代码理解能力。该语言通过隐藏错误规范、利用字符计数弱点及诱导安全护栏触发等机制,旨在区分模型是真正“理解”逻辑还是仅靠训练数据中的模式匹配生成代码。这一实验为评估 AI 编码代理的鲁棒性和幻觉风险提供了新的对抗性测试基准。

量子位官网T2·智能体与协同
68 分
魔法原子 EchoPolicy-0 登顶 MolmoSpaces:75.4% 成功率验证具身 Agent 零样本泛化能力

魔法原子自研 VLM Agent 框架 EchoPolicy-0 在 AI2 发起的 MolmoSpaces 全球基准中以 75.4% 平均成功率位列第一,其姊妹框架 MagicBrain 亦获第四。该成绩标志着具身智能从“演示可用”向“产线可用”迈进,重点验证了分层架构与指令遵循能力在复杂零样本环境下的有效性。

IT之家 · 智能时代T2·基座大模型
68 分
华为联合华东师大发布七曜时序基础模型:登顶 TIME-leaderboard 与 GIFT-Eval 双榜,支持零样本预测与低成本微调

华为云与华东师范大学联合研发的“七曜”昇腾原生时序预训练模型,成功登顶国际权威评测榜单 TIME-leaderboard 和 GIFT-Eval(Pretrained 类目)。该模型基于华为昇腾生态深度优化,具备高精度、高鲁棒性,既支持电网、金融等场景的零样本预测,也允许低成本二次微调以适配垂直行业需求。

Google ResearchT1·基座大模型
78 分
Google 发布 TimesFM-3:支持多变量零样本预测

Google 推出最新时间序列基础模型 TimesFM-3,首次实现单次前向传播下的多变量零样本预测。该模型突破了此前版本仅支持单变量预测的限制,在主要基准测试中显著优于其他预测模型,并可通过 BigQuery 的 AI.FORECAST 命令直接调用。