Few-shot learning

Few-shot learning je technika, kdy model dokáže zvládnout nový úkol nebo rozpoznat nové kategorie i s velmi malým množstvím trénovacích dat – často jen z několika málo příkladů. Je to obrovský posun oproti klasickému učení, které vyžaduje tisíce až miliony datových záznamů. Moderní jazykové modely (jako GPT nebo Gemini) využívají few-shot learning k tomu, aby se dokázaly adaptovat na nové úlohy „za běhu“ – jen na základě několika ukázek v promptu, bez nutnosti dodatečného tréninku.