Few-shot

Definition｜定义

Few-shot：在机器学习/自然语言处理里指“少样本（学习/推理）”，即模型只需要很少的示例（例如 1–10 个）就能学会任务或在提示中举例后完成任务。常见于 few-shot learning（少样本学习）与 few-shot prompting（少样本提示）。

Pronunciation｜发音

/ˌfjuː ˈʃɑːt/

Examples｜例句

The model can do few-shot classification with only five labeled examples.
这个模型只用五个带标签的例子就能进行少样本分类。

In a few-shot setting, performance often depends on how representative the examples are and how the prompt is written.
在少样本场景下，效果往往取决于例子是否具有代表性以及提示词的写法。

Etymology｜词源

few（少的）+ shot（一次尝试/一次“出手”）。这里的 shot 不是“射击”本义，而是英语里常见的引申用法，表示“一次尝试、一次机会”（如 give it a shot）。因此 few-shot 字面意思可理解为“用很少次尝试/很少个例子”。

Related Words｜相关词

• Zero-shot
• One-shot
• In-context Learning
• Prompting
• Fine-tuning
• Transfer Learning
• Meta-learning

Literary Works｜文学作品

• Language Models are Few-Shot Learners（Brown et al., 2020）
• Meta-Learning: A Survey（Hospedales et al., 2021）
• Pattern Recognition and Machine Learning（Christopher M. Bishop，相关章节常讨论小样本/数据稀缺问题）
• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville；涉及迁移学习与数据效率背景下的相关概念）