完整定義
零樣本學習是一種機器學習方法,用於在沒有任何目標類別的訓練樣本下,直接對未見過的類別進行分類。它利用已知的類別資訊或輔助資訊(例如屬性描述或語義嵌入)來將知識從已見過的類別遷移到未見過的類別,從而實現泛化能力。在 iPAS 初級考試中,零樣本學習是機器學習基礎概念的一部分,理解其原理和應用場景有助於應試。
白話說明
你有沒有遇過模型沒看過這個類別,卻還希望它直接判斷?
你可以把零樣本學習想成,模型沒看過範例,也能靠先前學到的知識和類別描述去猜新類別。
它重要,是因為很多新任務根本沒有足夠標註資料,但系統又不能等資料慢慢補齊。
記住這句
沒例子,也要能靠知識猜出來。
比喻:零樣本學習就像一個「舉一反三」的聰明學生 -- 老師從沒教過「獨角獸」長什麼樣,但他聽過「馬」和「角」的描述,就能在沒看過獨角獸圖片的情況下,辨識出獨角獸。
容易混淆
零樣本學習 vs 少樣本學習
零樣本學習沒有示範例子,少樣本學習還是會給幾個例子。
零樣本學習 vs 監督式學習
監督式學習通常要大量標註資料,零樣本學習則靠既有知識和語意關係推斷。
零樣本學習 vs 遷移學習
遷移學習是把舊能力搬到新任務,零樣本學習則是連新類別的示範都不給。
最關鍵的區別:零樣本是「沒看過例子也要會」。
實際案例
新商品分類
電商剛上架一批全新商品,還沒時間標很多資料,系統可以根據商品描述和類別名稱先做初步分類。
跨語言任務
模型沒看過某些語言的標註資料,仍能靠訓練時學到的語意關聯處理部分任務。
演算法與應用
零樣本學習常把類別名稱、文字描述或屬性當成橋樑,讓模型從已知類別推到未知類別。
它常出現在圖像分類、文字分類、檢索和大型語言模型的提示式任務裡。
真正的挑戰不是「能不能猜」,而是「在沒示範的情況下,猜得穩不穩」。
中英對照與常見說法
- 說法
- 零樣本學習
- 出現場合
- 台灣正式用語
- 說法
- 零样本学习
- 出現場合
- 簡體寫法
- 說法
- Zero-Shot Learning
- 出現場合
- 英文原名
- 說法
- ZSL
- 出現場合
- 縮寫
- 說法
- 零樣本推論、Zero-shot prompting
- 出現場合
- 大型語言模型脈絡下的說法
零樣本、單樣本、少樣本
這組詞在兩個脈絡下意思不同,很容易混淆。
傳統零樣本學習指的是模型要辨識訓練時完全沒看過的類別,做法是透過語意屬性或文字描述當橋樑。例如訓練時看過馬與老虎,靠「像馬但有黑白條紋」的屬性描述就能認出斑馬。
大型語言模型的零樣本指的是不給範例、只給指令就直接做任務。模型並沒有「沒看過」,它在預訓練時很可能看過大量相關資料,只是這次的提示裡沒有範例。
- 名稱
- 零樣本(zero-shot)
- 給模型看幾個例子
- 0 個,只給任務描述
- 名稱
- 單樣本(one-shot)
- 給模型看幾個例子
- 1 個
- 名稱
- 少樣本(few-shot)
- 給模型看幾個例子
- 通常 2 個到數十個
什麼時候該用零樣本,什麼時候不該
適合零樣本:任務常見且描述得清楚(翻譯、摘要、情感分類)、類別會不斷新增來不及標註、只是要快速試水溫看看可行性。
不適合零樣本:輸出格式有嚴格要求(給一個範例的效果通常遠勝過用文字描述格式)、領域術語冷僻、判斷標準是團隊內部約定而非常識。這些情況給幾個例子的成本很低,效果提升卻很明顯。
實用做法是先試零樣本當基準線。零樣本就夠好的任務不必浪費上下文空間放範例;零樣本明顯不行的,再逐步加範例,觀察加到第幾個之後效果不再提升。
讓零樣本表現變好的關鍵不在模型而在指令寫得夠不夠具體:明確說出角色、輸出格式、判斷準則、以及遇到不確定時該怎麼辦,效果差距往往比換模型還大。
情境判斷
Q1(直覺題): 模型沒看過「砂糖橘」這個類別,但看描述後能判成柑橘類,這算零樣本嗎?
算,因為它沒有看過這個類別的訓練範例,是靠語意描述推斷。
Q2(判斷題): 如果模型只靠一兩個標註範例就做出判斷,這還是零樣本嗎?
不是,這更接近少樣本學習。零樣本的關鍵是沒有示範例子。
iPAS 考題
出題方向: 常考零樣本、少樣本、遷移學習之間的差異,還有它在資料不足時的用途。
Q:零樣本學習最核心的特徵是什麼?
沒有目標類別的訓練範例,仍能利用預訓練知識進行判斷。
Q:哪一種情況最接近零樣本學習?
模型沒看過新類別的標註樣本,只靠類別描述或語意關聯做分類。
常見問題
會比有充分資料的監督式學習不穩,但在資料很少的情況下很有價值。
不一定,但大型語言模型讓零樣本任務更常見,也更容易做。
有關,很多 LLM 的零樣本能力就是透過好的提示語觸發。
不能完全取代,但可以先把初版系統做起來,降低冷啟動成本。
經典做法是用屬性或語意向量當橋樑。訓練時模型學會把影像對應到「有條紋」「四條腿」這類屬性或詞向量,測試時遇到沒看過的類別,就比較影像和各類別描述的相似度來判斷。CLIP 則用大量影像與文字配對訓練,直接拿類別名稱的文字當描述做零樣本分類。
不完全一樣。傳統的零樣本學習指模型要辨識訓練時沒看過的類別。零樣本提示是大型語言模型的用法,指提示裡不給範例、只給指令就請模型完成任務。Google 的機器學習詞彙表把兩者列為不同詞條。
出現在這些考古題
官方公告試題的逐題解析裡,這 2 題把零樣本學習列為延伸術語。
立即測驗
想測試你對 零樣本學習 的掌握程度?用考古題作答
相關術語
來源
參考來源:en.wikipedia.org
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本