🔧Techniques
Few-shot learning
Few-shot Learning
Définition
Le few-shot learning est une technique où l'on fournit quelques exemples au modèle dans le prompt pour guider sa réponse. Contrairement au fine-tuning qui nécessite des milliers d'exemples, le few-shot utilise 2 à 5 exemples directement dans le contexte. Cette technique améliore significativement la cohérence et le format des sorties.
Exemple concret
💡 Pour classifier des avis clients, on donne 3 exemples ('Super produit' -> Positif, 'Decevant' -> Negatif) puis le modèle classifie les suivants.
Termes liés
Questions fréquentes
Qu'est-ce que Few-shot learning en intelligence artificielle ?
Le few-shot learning est une technique où l'on fournit quelques exemples au modèle dans le prompt pour guider sa réponse. Contrairement au fine-tuning qui nécessite des milliers d'exemples, le few-shot utilise 2 à 5 exemples directement dans le contexte. Cette technique améliore significativement la cohérence et le format des sorties.
À quoi sert Few-shot learning ?
Pour classifier des avis clients, on donne 3 exemples ('Super produit' -> Positif, 'Decevant' -> Negatif) puis le modèle classifie les suivants.
Quels sont les concepts liés à Few-shot learning ?
Les concepts liés à Few-shot learning incluent : Zero-shot, Prompt engineering, Transfer learning, Prompt. Retrouvez chaque définition dans le glossaire IA de Brief IA.
📬 Newsletter gratuite
Ne rate rien de l'actu IA
Reçois chaque soir les 7 meilleures actus IA, décryptées en 5 min. Gratuit.