few-shot

One-shot和Zero-shot的区别以及使用场景Zero-shot是模型在没有任务相关训练数据的情况下进行预测，依赖预训练知识。One-shot则是提供一个示例，帮助模型理解任务。两者的核心区别在于是否提供示例，以及模型如何利用这些信息。

论文精读：用于少样本目标检测的元调整损失函数和数据增强（Meta-tuning Loss Functions and Data Augmentation for Few-shot Object Detection）论文链接：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

解决Few-shot问题的两大方法：元学习与微调Few-shot问题或称为Few-shot学习是希望能通过少量的标注数据实现对图像的分类，是元学习(Meta-Learning)的一种。

江小皮不皮

大模型之Prompt研究和技巧Prompt是是给 AI **模型的指令，**一个简短的文本输入，用于引导AI模型生成特定的回答或执行特定任务。