Οι άνθρωποι μαθαίνουν νέες κατηγορίες από λίγα μόνο παραδείγματα. Τα περισσότερα μοντέλα μηχανικής μάθησης χρειάζονται χιλιάδες. Η εύστοχη μάθηση μειώνει αυτό το κενό εκπαιδεύοντας τα μοντέλα ώστε να αναγνωρίζουν νέες κλάσεις από λίγα μόνο δείγματα με ετικέτες.

Οι προσεγγίσεις ποικίλλουν. Η μετρική μάθηση εκπαιδεύει τα δίκτυα να συγκρίνουν παραδείγματα, έτσι ώστε οι νέες κλάσεις να μπορούν να αντιστοιχιστούν με βάση την ομοιότητα. Η μετα-μάθηση εκπαιδεύει τα μοντέλα να μαθαίνουν γρήγορα σε πολλές εργασίες. Τα μεγάλα γλωσσικά μοντέλα επιτυγχάνουν συμπεριφορά λίγων βολών μόνο μέσω της υποβολής προτροπών, χωρίς ενημερώσεις βάρους.

Κοινές ρυθμίσεις

• Μία μόνο δοκιμή, ένα μόνο παράδειγμα ανά τάξη
• Πέντε βολές, πέντε παραδείγματα ανά τάξη
• N-way K-shot, N κλάσεις με K παραδείγματα η καθεμία
• Μηδενική βολή, χωρίς παραδείγματα, μόνο περιγραφές

Η απόδοση σε λίγες βολές εξακολουθεί να υστερεί σε σχέση με την πλήρη εποπτεία στα περισσότερα σημεία αναφοράς. Το χάσμα μειώνεται, ειδικά για τις γλωσσικές εργασίες, αλλά η τεχνική λειτουργεί καλύτερα όταν συνδυάζεται με ισχυρή προεκπαίδευση και προσεκτικό σχεδιασμό προτροπών.