few-shot-learning

Artículos, códigos, conjuntos de datos, aplicaciones y tutoriales sobre aprendizaje por transferencia, adaptación de dominios, generalización de dominios, aprendizaje multitarea, etc.

22 técnicas de ingeniería de prompts con tutoriales prácticos en Jupyter Notebook, desde conceptos fundamentales hasta estrategias avanzadas para aprovechar los LLMs.

Este repositorio contiene recursos seleccionados manualmente para la ingeniería de prompts, con un enfoque en Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, etc.

Una colección de recursos increíbles sobre adaptación de dominio

Resumen de artículos sobre Prompt y LLM, datos y modelos de código abierto, y aplicaciones de AIGC.

Aprendizaje few-shot eficiente con Sentence Transformers

FSL-Mate: Una colección de recursos para el aprendizaje de pocos ejemplos (few-shot learning, FSL).

[pip install medmnist] 18 conjuntos de datos estandarizados para la clasificación de imágenes biomédicas 2D y 3D

Código listo para usar y cuadernos de tutoriales para potenciar tu aprendizaje de pocos ejemplos (few-shot learning) para clasificación de imágenes.

[TPAMI 2023] LibFewShot: una biblioteca integral para el aprendizaje de pocos ejemplos (Few-shot Learning).

Recopilación de artículos destacados sobre extracción de información (IE) generativa mediante modelos de lenguaje extensos (LLMs).

Los LLM pueden generar comentarios sobre su propio trabajo, utilizarlos para mejorar el resultado y repetir este proceso de forma iterativa.

Una lista curada de métodos de aprendizaje de prompts/adaptadores para modelos de visión-lenguaje como CLIP.

Implementación en TensorFlow y PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)

Fusión de modelos en LLMs, MLLMs y más allá: métodos, teorías, aplicaciones y oportunidades. ACM Computing Surveys, 2026.

Meta-aprendizaje con optimización convexa diferenciable (CVPR 2019 Oral)