Zero Shot Learning

Zero-Shot Learning (ZSL) 是指模型在训练过程中未见过某些类别的情况下，能够识别这些未知类别的能力。其核心目标是在监督学习阶段未知的类别上实现有效的分类与识别。在现代NLP中，语言模型无需微调即可评估下游任务，显著提升了模型的泛化能力和应用价值。ZSL通过学习图像特征空间到语义空间的映射，或非线性多模态嵌入，实现了对未知类别的推理。基准数据集如aPY、AwA和CUB等，为ZSL的研究提供了重要支持。