Zero-shot, One-shot, Few-shot

• Zero-shot (ZSL)
  • 모델이 학습 과정에서 본 적 없는 새로운 데이터를 인식할 수 있도록 하는 학습 방법
  • 모델이 클래스 간의 관계나 속성을 통해 일반화하는 능력 활용
  • 대규모 모델 사이즈로 대규모의 다양한 데이텃으로 학습한 경우 성능이 잘나옴
  • training과 inference, 두 개의 stage로 이루어짐
• One-shot (OSL)
  • 각 클래스에 대해 단 하나의 데이터만 제공될 때 모델이 그 클래스를 인식할 수 있도록 하는 학습 방법
  • 유사도 학습이나 메타 학습 등의 기법을 활용
  • 학습 데이터가 매우 제한적일 때 유용
• Few-shot (FSL)
  • 극소량의 데이터만을 이용하여 새로운 작업이나 클래스를 빠르게 학습하도록 설계된 알고리즘
  • 메타러닝이나 학습 전략의 최적화 등을 통해 적은 데이터로도 효과적인 일반화 능력을 갖춤

1. 전이 학습 : 사전학습 모델을 중심으로 학습하고 소량의 데이터로 재학습.
2. 메타 학습 : 여러개의 작업을 동시에 하고 각 작업 간의 차이도 같이 학습하는것을 말함.

참고자료

https://madang-ai.tistory.com/2

https://onestoria.tistory.com/57

https://rimiyeyo.tistory.com/entry/%EB%8B%A4%EC%96%91%ED%95%9C-%ED%94%84%EB%A1%AC%ED%94%84%ED%8A%B8-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EB%A7%81Prompt-Engineering%EC%97%90-%EB%8C%80%ED%95%B4-%EC%82%B4%ED%8E%B4%EB%B3%B4%EC%9E%901-Zero-shot-One-shot-Few-shot-CoT

https://dodonam.tistory.com/452#google_vignette