少样本学习（Few-shot Learning）Few-shot Learning（少样本学习）是机器学习、深度学习领域的分支任务，指模型在仅拥有少量标注样本的前提下，快速学习任务规律、完成对应识别、生成、分类等任务的学习方式。标注样本指已经人工打好标签、明确标准答案的数据，比如标注好“正面/负面”的评论、标注好品类的图片。少样本学习的核心目标就是模仿人类举一反三的学习能力，不需要海量重复数据，看几个例子就能明白规则。 传统深度学习依赖成千上万条海量标注数据反复迭代训练模型，数据采集、人工标注成本高，且训练周期漫长；而少样本学习依托模型预训练阶段积累的