少样本

只给几个到几十个示例，模型就能学会或做对一个新任务。

少样本指面对新任务时只用很少的示例。在大语言模型里，它通常指把几个示例直接写进提示词，不更新参数就让模型照着做；2020 年 GPT-3 的论文《Language Models are Few-Shot Learners》让这种用法广为人知，这种能力也叫上下文学习。在机器人领域，少样本更多指只采集几条到几十条演示数据（人遥操作机器人完成任务的记录），在预训练模型基础上微调就学会新任务。真机数据采集又慢又贵，一个方法学新任务需要多少条演示，是衡量它是否实用的重要指标。它与零样本（一个示例都不给）相对。

例子RVT-2 在真机上只用 10 条演示，就能学会需要高精度的操作任务。

也叫

小样本、少样本学习、Few-shot Learning

相关

零样本、上下文学习、微调、演示数据、样本效率、单样本模仿学习

来源

Language Models are Few-Shot Learners (GPT-3, arXiv 2005.14165)
RVT-2: Learning Precise Manipulation from Few Demonstrations (arXiv 2406.08545)