人类只需少量示例就能学习新的类别，而大多数机器学习模型却需要成千上万个示例。少样本学习通过训练模型仅使用少量标记样本就能识别新类别，从而缩小了这一差距。

方法多种多样。度量学习训练网络来比较样本，从而可以根据相似性匹配新的类别。元学习训练模型快速学习多种任务。大型语言模型仅通过提示就能实现少样本学习行为，而无需更新权重。

常用设置

• 一次性，每类一个例子
• 每班五枪，五个例子
• N路K样本实验，N类，每类K个样本。
• 零样本，没有示例，只有描述

在大多数基准测试中，少样本学习的性能仍然落后于全监督学习。虽然差距正在缩小，尤其是在语言学习任务上，但该技术只有在结合强有力的预训练和精心设计的提示时才能发挥最佳效果。