iPAS 考題解析某市政府環保局想建立一個垃圾分類查詢系統，讓民眾輸入物品名稱後自動判斷分類。由於垃圾種類繁多，但每種分類的訓練範例有限，工程師決定採用少樣本學習（Few-shot Learning）技術。下列何者為少樣本學習（Few-shot Learning）的主要特徵？

解析

正確答案：B. 透過少量任務示例，引導模型適應新情境或新分類需求

Few-shot Learning 的核心特徵是透過少量示例引導模型適應新的情境或分類需求，無需大規模標註資料，適合訓練範例有限的場景。

每個選項為什麼對或錯

• A 需重新蒐集大規模標註資料，以確保模型具備穩定表現 錯誤選項

  需要大規模標註資料是傳統監督學習的特徵，非 Few-shot Learning。

• B 透過少量任務示例，引導模型適應新情境或新分類需求 正解

  Few-shot Learning 透過少量示例引導模型適應新情境，是其核心特徵。

• C 不需任何範例輸入，即可完成新任務推論 錯誤選項

  不需任何範例是 Zero-shot Learning 的特徵，非 Few-shot。

• D 僅適用於自然語言處理任務，對其他模態效果有限 錯誤選項

  Few-shot Learning 適用於多種模態，不僅限於自然語言處理。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。