İnsanlar yeni kategorileri birkaç örnekten öğrenir. Çoğu makine öğrenme modeli ise binlerce örneğe ihtiyaç duyar. Az örnekle öğrenme, modelleri yalnızca birkaç etiketli örnekten yeni sınıfları tanıyacak şekilde eğiterek bu açığı kapatır.

Yaklaşımlar çeşitlilik gösterir. Metrik öğrenme, ağları örnekleri karşılaştırmak üzere eğitir, böylece yeni sınıflar benzerliğe göre eşleştirilebilir. Meta öğrenme, modelleri birçok görevde hızlı bir şekilde öğrenmek üzere eğitir. Büyük dil modelleri, ağırlık güncellemeleri olmadan, yalnızca yönlendirme yoluyla az sayıda örnekle sonuçlanan davranış sergiler.

Ortak ayarlar

• Tek seferlik, her sınıf için tek bir örnek.
• Beş atış, sınıf başına beş örnek
• N yönlü K atışlı, her biri K örnek içeren N sınıf.
• Sıfır çekim, örnek yok, sadece açıklamalar.

Az sayıda örnekle öğrenme performansı, çoğu kıyaslama testinde hala tam denetimli öğrenmenin gerisinde kalıyor. Özellikle dil öğrenme görevlerinde bu fark kapanıyor, ancak teknik en iyi sonucu güçlü ön eğitim ve dikkatli komut tasarımıyla birleştirildiğinde veriyor.