Généralisation zéro-shot

La généralisation à zéro coup d'œil fait référence à la capacité d'un modèle d'apprentissage automatique de faire des prédictions précises sur des données inédites. Son objectif est de permettre au modèle de généraliser à de nouvelles tâches ou catégories en apprenant à partir des distributions de données existantes, sans nécessiter un entraînement supplémentaire sur ces nouvelles tâches. Cette capacité est d'une grande valeur pratique pour améliorer l'adaptabilité des modèles et réduire la demande de données étiquetées, notamment dans des scénarios où les données sont rares ou difficiles à obtenir.