few-shot-learning
本站收录 14 个带「few-shot-learning」标签的 AI 开源项目
Prompt_Engineering这是一个系统化的提示工程（Prompt Engineering）学习资源库，包含22种提示技巧，从基础概念到高级策略，全部配有可运行的Jupyter Noteb★ 7,872
Awesome-Prompt-Engineering这是一个精选的提示工程（Prompt Engineering）资源列表，专注于GPT、ChatGPT、PaLM等生成式预训练模型。项目整理了从基础概念到高级技巧★ 6,347
DecryptPromptDecryptPrompt 是一个聚焦大语言模型（LLM）与提示工程（Prompt Engineering）的开源知识库，旨在系统性地整理和解读该领域的前沿论文★ 3,441
Awesome-LLM4IE-PapersAwesome-LLM4IE-Papers 是一个精选论文列表，专注于大语言模型（LLM）在生成式信息抽取（IE）领域的应用。该项目系统整理了利用LLM进行实体★ 1,064
self-refineself-refine 是一个研究项目，提出了一种让大语言模型自我改进的通用框架。它不依赖额外训练或外部监督，而是让模型生成初始输出后，对自身输出进行批评和反馈★ 822
Awesome-Model-Merging-Methods-Theories-Applications这是一个关于模型合并（Model Merging）的精选资源列表，收录了在大语言模型（LLM）、多模态大模型（MLLM）等领域中模型合并的方法、理论、应用与机遇★ 788
LAMPLAMP 是一个基于扩散模型的少样本视频生成框架，发表于 CVPR 2024。它旨在解决视频生成中数据稀缺和运动模式学习困难的问题，通过从少量参考视频中学习可迁★ 284
Awesome-Foundation-Models-on-Graphs这是一个关于图基础模型的精选资源列表，汇集了图基础模型领域的论文、代码和数据集。它旨在解决图基础模型研究资料分散、难以系统获取的问题，为研究人员和开发者提供一站★ 226
automixautomix 是一个用于混合语言模型的开源项目，核心思路是通过自验证（self-verification）和元验证（meta-verification）机制，★ 119
foundational_fsod这是一个少样本目标检测（FSOD）的开源实现，对应论文《Revisiting Few Shot Object Detection with Vision-Lan★ 93
Awesome-Crack-Detection这是一个关于深度学习裂缝检测的论文列表，系统整理了该领域的核心文献。项目按学习范式（如监督、半监督、无监督）、泛化能力和数据集三个维度对论文进行分类，旨在帮助研★ 92
FoundADFoundAD 是 ICLR 2026 论文《Foundation Visual Encoders Are Secretly Few-Shot Anomaly ★ 86
F2GAN-Few-Shot-Image-GenerationF2GAN（Fusing-and-Filling GAN）是一个面向少样本图像生成的生成对抗网络模型，发表于ACM MM 2020。它解决的是在仅有少量样本（如★ 79
dspy-advanced-prompting这是一个基于DSpy框架的高级提示词技术实现集合，旨在解决大语言模型应用中提示词工程复杂、效果不稳定、难以系统化的问题。项目将前沿的提示词技术，如Manager★ 61