Apprentissage Zero Shot
Capacité d'un modèle à gérer correctement des tâches ou à classer des données sur lesquelles il n'a jamais été explicitement entraîné en tirant parti de représentations de connaissances généralisées.
Définition
Techniques (par exemple, ingénierie rapide dans de grands modèles de langage, classificateurs basés sur les attributs) qui permettent aux modèles de déduire des relations entre des classes connues et nouvelles sur la base d'une sémantique partagée ou d'intégrations de caractéristiques. Les considérations de gouvernance incluent la validation des performances zéro dans des catégories représentatives, la surveillance des erreurs de classification inattendues et la mise en place de procédures de repli lorsque le niveau de confiance est faible en ce qui concerne les entrées invisibles.
Exemple concret
Un chatbot de support client basé sur un modèle linguistique étendu utilise une classification zéro pour acheminer les questions relatives à la « mise à niveau de l'abonnement », même s'il n'a jamais été formé sur cette étiquette, en faisant correspondre l'intention sémantique aux catégories disponibles. Le système enregistre les itinéraires zéro-shot peu fiables à des fins de révision humaine, garantissant ainsi un traitement correct des nouvelles demandes.
.svg)
