Effizientes Lernen neuer Aufgaben mit wenigen Beispielen und Soft-Label-Prototypen

Ein einfacher, aber leistungsfähiger Ansatz zum "extremen" Wenig-Schuss-Lernen, bei dem Modelle nach Anpassung auf so wenig wie 4 Beispielen pro Klasse auf ungesehene Daten verallgemeinern können, ohne auf große Sprachmodelle oder zusätzliche Trainingsdaten angewiesen zu sein.