few-shot-learning

Transferlernen / Domänenanpassung / Domänengeneralisierung / Multitasking-Lernen usw. Arbeiten, Codes, Datensätze, Anwendungen, Tutorials.

22 Prompt-Engineering-Techniken mit praktischen Jupyter-Notebook-Tutorials, von grundlegenden Konzepten bis hin zu fortgeschrittenen Strategien zur Nutzung von LLMs.

Dieses Repository enthält handverlesene Ressourcen für Prompt Engineering mit Schwerpunkt auf Generative Pre-trained Transformer (GPT), ChatGPT, PaLM usw.

Eine Sammlung von AWESOME-Ressourcen rund um Domain Adaptation

Zusammenfassung von Prompt- & LLM-Papieren, Open-Source-Daten & -Modellen, AIGC-Anwendungen

Effizientes Few-Shot-Learning mit Sentence Transformers

FSL-Mate: Eine Sammlung von Ressourcen für Few-Shot Learning (FSL).

[pip install medmnist] 18 standardisierte Datensätze für die 2D- und 3D-Biomedizinische Bildklassifizierung

Einsatzbereiter Code und Tutorial-Notebooks für einen schnellen Einstieg in das Few-Shot Learning zur Bildklassifizierung.

[TPAMI 2023] LibFewShot: Eine umfassende Bibliothek für Few-Shot-Learning.

Awesome-Liste zu Papieren über generative Informationsextraktion (IE) mittels Large Language Models (LLMs)

LLMs können Feedback zu ihrer Arbeit generieren, dieses zur Verbesserung der Ausgabe nutzen und diesen Prozess iterativ wiederholen.

Eine kuratierte Liste fantastischer Prompt-/Adapter-Lernmethoden für Vision-Language-Modelle wie CLIP.

TensorFlow- und PyTorch-Implementierung von „Meta-Transfer Learning for Few-Shot Learning“ (CVPR2019)

Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.

Meta-Learning mit Differentiable Convex Optimization (CVPR 2019 Oral)