Pembelajaran Sedikit Contoh (Few-shot Learning)

Pembelajaran sedikit contoh adalah paradigma pembelajaran mesin yang melatih model untuk mengenali kelas baru atau memecahkan tugas baru hanya dari segelintir contoh berlabel — biasanya satu hingga lima — dengan memanfaatkan pengetahuan sebelumnya yang diperoleh dari distribusi pelatihan yang besar dan terkait. Hal ini sangat relevan dalam domain di mana pelabelan mahal, langka, atau terbatas secara struktural.