Flipped-Learning

让模型先猜指令再作答，零样本效果更强

Flipped-Learning 是一个基于 ICLR 2023 论文的开源实现，提出了一种新颖的零样本学习范式。传统方法直接让模型根据输入预测输出，而该方法先让模型根据输入和输出反推指令（即“猜测指令”），再基于生成的指令进行预测。这种翻转学习方式能显著增强语言模型在零样本场景下的推理能力，无需任何标注数据或微调。项目核心包含指令生成模块、基于指令的推理模块以及配套的评估脚本，支持多种主流预训练语言模型。它解决了零样本学习中模型对任务理解不充分、提示设计敏感的问题，通过自动生成指令来引导模型更好地理解任务，从而提升在文本分类、自然语言推理等任务上的表现。代码结构清晰，易于复现论文实验，适合研究者和开发者探索零样本学习的新路径。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 117

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队seonghyeonye

所属国家

官网地址

GitHubhttps://github.com/seonghyeonye/Flipped-Learning

定价模式free

价格说明开源项目，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型deep-learning,large-language-models,nlp,pytorch

GitHub 星标★ 117

30天Star增速

HF 下载量

上线时间2022-10-06 00:00:00

最近更新2026-07-17 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

创新翻转学习范式，先反推指令再推理，提升零样本准确率
代码结构清晰，基于 HuggingFace 接口，易于集成和复现
论文发表于 ICLR 2023，方法有理论支撑，实验数据详实

不足之处

仅支持有限的模型和任务，扩展性待验证
文档/社区待观察，早期项目，使用教程和案例较少

适用场景

零样本文本分类和自然语言推理任务
需要快速部署且无标注数据的场景
研究零样本学习、提示工程的教学与实验

替代项目

T0、GPT-3、PatternExploiting Training

项目介绍

Flipped-Learning 是模型训练领域的开源项目，由 seonghyeonye 开发，2022 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 117。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-17。完全免费，需自行部署使用。

它主要面向的使用场景是：零样本文本分类和自然语言推理任务。同类可对比的替代方案包括 T0、GPT-3、PatternExploiting Training。

上一篇：LLMNodeBed

下一篇：datablations