小样本学习需要多少个样本？

小样本学习通常每个类别或类别只需要1到5个标注示例。其核心目标是用极其有限的标注数据实现有效的模型性能。

确切数量因任务复杂度、模型架构和基础模型预训练而存在显著差异。简单任务可能每类只需一个样本就能成功，而复杂任务（如细粒度图像识别）通常需要更多。通过提示工程或适配器模块等技术利用大型预训练模型通常是必不可少的。所提供示例的多样性和代表性至关重要，因为质量差的样本会大幅降低效果。没有适用于所有场景的固定数量。

小样本学习使模型能够以最小的标注成本快速适应新任务，在数据收集昂贵或不切实际的场景（如稀有疾病诊断、小众产品分类）中释放价值。实施者应精确定义任务，选择稳健的基础模型（如大语言模型），并为每类提供少量高度代表性的示例。典型基准测试使用1、2、3、5或10个示例。