1樓：知者
整體上來看，我認為取得了很大的進展。具體來說包括兩個方面。第一，，這些工作乙個共同特點就是從整體的角度看待模型。
然而，並沒有充分考慮，模型的各個元件哪些本身就具備遷移特性，哪些需要做快速適應。我認為這個非常重要，模型拆解來去做，會避免過擬合的風險同時也會大大降低計算複雜度。最近2023年以後，大家發現特徵提取器天然具備可遷移特性，而最重要的是分類頭的快速適應。
第二，針對分類頭的快速適應，最近也出來很多相關的工作。其中，圍繞著基於原型的分類頭的快速適應，我們提出了一種基於原型補全的少樣本學習框架，主要的觀點是在少樣本場景下，由於樣本的不完整性（例如影象殘缺、影象模糊或影象遮擋等），導致基於均值的類別原型估計是不具有代表性的。基於此，我們提出了乙個基於原型補全的少樣本學習框架來獲得更有代表性的原型。
大家感興趣的話，可以通過進入以下鏈結詳細閱讀：
2樓：zideajang
在預訓練基礎上進行 Fine Tuning，這種方法雖然看似簡單，但是卻非常有效。今天就給大家介紹一下這種方法來做 few shot learning。
3樓：木大木大
沒啥進展，資料多點幹不過直接預訓練的模型提特徵做比對，one-shot 就靠transductive ,weakly supervised變相改變測試流程和引入測試資料改變模型，不講武德， meta learn變相過擬合測試流程， 天天刷 mini imagenet,針對資料集badcase微調特徵提取細節。整個資料集測試方法問題定義和實際應用差距十萬八千里
4樓：
小樣本少樣本乃至零樣本學習，取得進步的核心不在於少樣本，而在於大樣本，no free lunch, 不存在不是基於大樣本預訓練或者元學習基礎上的少樣本學習系統。少樣本學習的可行性源自充分的大樣本乃至大任務學習。
乙個專業荒廢了近兩年，待業近兩年的人可以做什麼工作呢？
尚德機構派學院 求助下身邊的朋友，看看有沒有一些要求不高的工作機會，比如行政 文員這些。先找個想對容易的工作，現在上來找乙個錢多的工作也不大可能。最主要的還是先恢復自己的信心，適應下工作狀態。一步一步來，一切會好起來的。 邦閱 小編 其實按照你現在的年紀，工作還是很好找的，就跟正常出來求業的人一樣，...
為什麼近兩年民謠很主流？
餘先生 我這個不喜歡民謠的，卻在16年剛起來的時候，特意去看了講他們90年代的校園民謠紀錄片，校園民謠再回首 主要是早期90年代一些搖滾人物和民謠都有關係。不插電的搖滾現場，一些40歲老頭，聽起來就是民謠沒區別。無病呻吟的民謠我還是想說中指，不插電搖滾都比你好。紀錄片裡面有乙個人印象最深刻，北京人，...
如何評價近兩年 MacBook Pro 的品控和系統？
Allen Huang 我的是19年的MBP13寸，macOS10.15以來一直存在的問題，每一次公升級都會卡在iCloud賬戶介面，滑鼠一直轉一直轉，實在等不了了強制關機再重啟，能進入系統，能夠使用，但是不知道有沒有問題。我本以為是公升級的問題，然後我格盤重灌，結果在設定完使用者名稱密碼之後，又進...