Einfach erklärt
Few‑shot – Beim Lernen mit wenigen Beispielen bekommt ein Modell nur sehr wenige gekennzeichnete Beispiele (z. B. 2–5 pro neue Klasse) und soll daraus schnell etwas Allgemeines ableiten.
Warum ist das nützlich?
- Oft gibt es kaum Daten (neue Produkte, seltene Krankheiten).
- Schnelleres Anpassen an neue Aufgaben.
Ganz einfache Bilder:
- Vogel erkennen: Du siehst 3 Fotos eines neuen Vogels und erkennst ihn später wieder.
- Neues Schild im Straßenverkehr: Nach wenigen Beispielen weißt du, was es bedeutet.
- Textaufgabe lösen: Du siehst 2 Beispiel‑Fragen mit Lösungen und löst eine ähnliche Aufgabe danach.
Professionelle Definition
Few‑shot‑Lernen bezeichnet Lern‑/Schätzverfahren, die aus einer kleinen Stützmenge (Support‑Set) mit (K) Klassen und (N) Beispielen pro Klasse ((N) klein) neue Klassen erkennen oder neue Aufgaben lösen. Häufig wird episodisch trainiert, sodass die Trainings‑Episoden die Test‑Situation nachbilden. Typische Ansätze sind metrisches Lernen (z. B. Matching Networks, Prototypical Networks) mit Distanz‑basierten Entscheidungen sowie Meta‑Lernen, das schnelle Anpassung aus Vorwissen ermöglicht. In großen Sprachmodellen bezeichnet In‑Kontext‑Lernen die Few‑shot‑Nutzung per Beispiel‑Prompts ohne Gewichts‑Update.
Hier finden Sie Kurse zu Grundlegenden Prompt Techniken
Quellen
- Wikipedia – Few‑shot learning (Überblick, Begriffe)
https://en.wikipedia.org/wiki/Few-shot_learning - Vinyals et al. (2016) – Matching Networks for One‑Shot Learning (metrisches Few‑/One‑shot‑Lernen)
https://arxiv.org/abs/1606.04080
https://proceedings.neurips.cc/paper/6385-matching-networks-for-one-shot-learning.pdf - Snell et al. (2017) – Prototypical Networks for Few‑Shot Learning
https://arxiv.org/abs/1703.05175
https://arxiv.org/pdf/1703.05175 - Brown et al. (2020) – Language Models are Few‑Shot Learners (In‑Kontext‑Lernen, GPT‑3)
https://arxiv.org/abs/2005.14165
https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf - IBM – What is Few‑Shot Learning? (Einführung/Anwendungen)
https://www.ibm.com/think/topics/few-shot-learning