التعلم بدون أمثلة
التعلم بدون أمثلة (Zero-Shot Learning - ZSL) يشير إلى قدرة النموذج على التعرف على فئات معينة لم يسبق له مواجهتها خلال عملية التدريب. الهدف الأساسي منه هو تحقيق تصنيف وتعرف فعال على الفئات التي كانت غير معروفة أثناء المرحلة الإشرافية للتعلم. في علم المعالجة اللغوية الحديث (NLP)، يمكن للنماذج اللغوية تقييم المهام الثانوية دون ضبط دقيق، مما يعزز بشكل كبير قدرة النموذج على التعميم وقيمة التطبيق. يتم تحقيق الاستدلال على الفئات غير المرئية من خلال تعلم خريطة من فضاء خصائص الصورة إلى الفضاء الدلالي، أو من خلال التضمينات المتعددة الأوضاع غير الخطية. قدّمت مجموعات البيانات المعيارية مثل aPY، AwA، وCUB دعماً حاسماً لأبحاث التعلم بدون أمثلة.
CUB-200-2011
ZSL_TF-VAEGAN
MedConceptsQA
gpt-4-0125-preview
SUN Attribute
AwA2
ZSL-KG
Caltech-101
CIFAR-10
CIFAR-100
COCO-MLT
ResNet-50
DTD
FGVC-Aircraft
Flowers-102
Food-101
ImageNet
Oxford 102 Flower
Oxford-IIIT Pets
Stanford Cars
SUN397
UCF101
ZLaP*
VOC-MLT
aPY - 0-Shot
CUB-200 - 0-Shot Learning
zsl_ADA
EuroSAT
ZLaP*
GDSCv2
MSDA
How2QA
SeViLA
ImageNet_CN
iVQA
FrozenBiLM
LSMDC
MIT-States
CZSL
MSRVTT-QA
MSVD-QA
PASCAL Context
ZS3Net
SNIPS
TVQA