本次查询：ZeroShot 零样本
中文解释：零样本学习
常见场景：大模型应用 / 跨任务迁移 / 开放域问答 / 冷启动推荐
一句话解释
零样本学习是指AI模型在没有接受过特定任务任何训练示例的情况下，仅通过已有的通用知识或任务描述，就能理解和执行该新任务的能力。
为什么会被关注
随着大语言模型的普及，人们发现像ChatGPT这类模型无需针对每个具体任务进行微调，就能直接回答各种问题、完成翻译、总结等多样任务，这种“开箱即用”的通用能力背后，零样本学习是关键支撑技术之一，它降低了AI应用的门槛和成本。
核心逻辑
其核心在于模型将新任务映射到训练时已学过的概念或关系上。例如，一个用大量图文数据训练的模型，即使从未见过“斑马”的图片，但如果它在文本中学过“斑马是一种有黑白条纹的像马的动物”，当被要求识别斑马时，它就能将文字描述的特征与图像特征进行匹配，从而做出判断。
常见场景
1. 大模型对话：直接向模型提问一个它未专门训练过的问题，如“用西班牙语解释量子计算”。
2. 图像分类：训练时只见过猫狗，但测试时要求识别“浣熊”，模型通过已知的文本属性描述进行推理。
3. 冷启动推荐：新商品或新用户没有任何历史数据时，利用商品通用属性描述或用户人口统计学信息进行初始推荐。
容易混淆的点
零样本学习与少样本学习常被混淆。关键区别在于示例数量：零样本是“0”个示例，完全依赖先验知识；少样本则提供少量（如几个）示例作为参考。两者都旨在减少对标注数据的依赖，但零样本的挑战更大，更考验模型的知识泛化和抽象推理能力。