few-shot-learning

Transfer learning, adaptação de domínio, generalização de domínio, aprendizado multitarefa, etc. Artigos, códigos, conjuntos de dados, aplicações e tutoriais.

22 técnicas de engenharia de prompt com tutoriais práticos em Jupyter Notebook, desde conceitos fundamentais até estratégias avançadas para aproveitar LLMs.

Este repositório contém recursos selecionados manualmente para Prompt Engineering com foco em Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, etc.

Uma coleção de recursos incríveis sobre adaptação de domínio

Resumo de artigos sobre Prompt e LLM, dados e modelos open-source e aplicações de AIGC.

Aprendizado few-shot eficiente com Sentence Transformers.

FSL-Mate: Uma coleção de recursos para few-shot learning (FSL).

[pip install medmnist] 18 conjuntos de dados padronizados para classificação de imagens biomédicas 2D e 3D.

Código pronto para uso e notebooks de tutorial para impulsionar seu aprendizado em few-shot learning para classificação de imagens.

[TPAMI 2023] LibFewShot: Uma biblioteca abrangente para Few-shot Learning.

Artigos incríveis sobre Extração de Informação (IE) generativa usando Modelos de Linguagem Grandes (LLMs)

LLMs podem gerar feedback sobre seu próprio trabalho, usá-lo para melhorar o resultado e repetir esse processo iterativamente.

Uma lista curada de métodos incríveis de aprendizado de prompt/adapter para modelos de visão-linguagem como o CLIP.

Implementação em TensorFlow e PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)

Fusão de Modelos em LLMs, MLLMs e Além: Métodos, Teorias, Aplicações e Oportunidades. ACM Computing Surveys, 2026.

Meta-aprendizado com otimização convexa diferenciável (CVPR 2019 Oral).