零樣本學習 是什麼？

Zero-shot Learning — 零樣本學習 的完整解釋

零樣本學習讓模型無需任何該類別的訓練範例，憑藉預訓練知識即可識別與處理未見過的類別

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」。

記住這句就好

沒例子，也要能靠知識猜出來。

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。

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」。

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。

零樣本學習 在 iPAS 考試中的重點

根據歷年統計，零樣本學習 相關題目 平均佔 AI 技術類考題 2%， 屬於未分類考範圍。

常見出題方向：零樣本學習的演算法原理與挑戰（40%）、模型泛化能力與知識遷移的技術（35%）、零樣本學習的應用場景與潛力（25%）。

常見問題

零樣本學習準嗎？

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。

零樣本學習一定要大型語言模型嗎？

不一定，但大型語言模型讓零樣本任務更常見，也更容易做。

零樣本學習和提示工程有關嗎？

有關，很多 LLM 的零樣本能力就是透過好的提示語觸發。

零樣本學習能取代人工標註嗎？

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。