通过大语言模型实现少样本学习中的类别实体推理
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了少样本学习中类特征表达不足的问题，通过引入大语言模型提取的抽象类语义和具体类实体，提出了一种新颖的框架。该框架结合了语义引导的视觉模式提取和原型校准模块，显著提升了视觉原型的代表性。实验结果表明，该方法在多个少样本分类基准测试中，尤其是在一-shot 设置下，相比现有最佳方法有显著提升。
本研究提出了一种新颖的框架，通过引入大语言模型提取的抽象类语义和具体类实体，解决了少样本学习中类特征表达不足的问题。该框架结合了语义引导的视觉模式提取和原型校准模块，显著提升了视觉原型的代表性。实验结果表明，在多个少样本分类基准测试中，尤其是在一-shot 设置下，该方法相比现有最佳方法有显著提升。
