Zero Shot Generalization

Zero-shot Generalization是指机器学习模型在未见过的数据上进行准确预测的能力。其目标是通过学习已有的数据分布，使模型能够泛化到全新的任务或类别，而无需针对这些新任务进行额外的训练。这种能力在提高模型的适应性和减少标注数据需求方面具有重要应用价值，特别是在数据稀缺或难以获取的场景中。