百科问答小站 logo   百科问答小站
问题

国内外有哪些做小样本学习(Few-Shot Learning)的优秀团队？

回答
在国内和国外，有很多团队在小样本学习（FewShot Learning, FSL）领域进行着卓有成效的研究。这个领域之所以备受关注，是因为它能够让模型在只有极少量标注数据的情况下，仍然能够学习并做出准确的预测，这在现实世界中很多数据标注成本高昂或稀缺的场景下有着巨大的应用潜力。

下面我将介绍一些在FSL领域比较突出的团队，并尽量详细地说明他们的研究方向和贡献，力求用更具个人观察和分析的口吻来呈现，避免AI写作的痕迹。



深入探索小样本学习的先行者们

小样本学习，顾名思义，就是让模型像我们人类一样，看几张图片、听几个例子就能学会识别新事物。这就像我们小时候，大人指着一两只猫，我们就大概知道猫长什么样了，以后再看到其他品种的猫，也能认出来。这个能力对于机器学习来说，一直是绕不开的挑战，也是当前人工智能研究的热点之一。

国外顶尖团队的视角

在国际上，小样本学习的研究起步较早，也有不少团队在这方面耕耘已久，他们的研究往往非常有深度和前瞻性。

UC Berkeley (加州大学伯克利分校) 的 Pieter Abbeel 团队：
为什么提到他们？ Pieter Abbeel 是机器人和强化学习领域的巨擘，他的团队在将FSL应用于机器人控制和模仿学习方面做得非常出色。大家可能知道，机器人要学习新的抓取动作，如果每次都要大量的手工标注数据，那成本简直太高了。Abbeel 团队的贡献就在于，他们能够让机器人通过极少量的演示（比如人类操作几次），就学会执行一个全新的、复杂的任务。
具体做法和贡献： 他们提出的方法往往结合了元学习（MetaLearning）的思想。简单来说，就是让模型先“学习如何学习”。通过在大量不同任务上进行训练，模型能够学会一种通用的学习策略，当遇到一个新的、只给少量样本的任务时，就能快速适应。他们在强化学习的语境下，发展了如MAML (ModelAgnostic MetaLearning) 的思想的早期探索和应用，让机器人能够更高效地适应新环境和新动作。他们的研究不仅是理论上的突破，更有着实际的落地潜力，比如让机器人服务于更广泛的工业或家庭场景。

Carnegie Mellon University (卡内基梅隆大学) 的 Abhinav Gupta 团队：
为什么提到他们？ Gupta 教授的团队在具身智能（Embodied AI）和视觉语言导航（VisionLanguage Navigation）领域享有盛誉。他们的工作是将FSL的能力带入到虚拟或真实世界的机器人智能体中，让它们能理解指令并在复杂环境中完成任务，即使对新物体或新指令只有很少的见过。
具体做法和贡献： 他们特别关注如何让智能体通过语言指令和视觉反馈来学习。例如，当机器人被告知“找到那个红色的杯子”时，即使它之前从未见过“红色杯子”这样的组合，也应该能够完成任务。他们的方法往往涉及少样本的物体识别和指令理解，并将其与导航策略相结合。他们探索了如何利用预训练模型的泛化能力，以及如何通过少量的在线交互来微调模型，使其快速适应新的目标和指令。这在自动驾驶、智能助手等领域都有着重要的启示。

Google Research (谷歌研究) 和 DeepMind 的相关团队：
为什么提到他们？ 作为AI研究的巨头，Google 和 DeepMind 自然也是FSL领域的重要参与者。他们的研究覆盖面非常广，从基础理论到各种应用场景。
具体做法和贡献：
MetaLearning 的早期推动者： DeepMind 在元学习领域做了很多开创性的工作，比如他们提出的MetaLSTM和MemoryAugmented Neural Networks (MANN) 等，这些方法都为FSL提供了重要的理论基础和实现思路，旨在让模型能够“记住”过去的学习经验，并应用到新任务中。
强大的预训练模型及其应用： Google 一直在构建和优化大型预训练模型（如BERT、GPT系列在NLP领域，以及ViT在CV领域）。这些模型本身就蕴含了丰富的世界知识和强大的泛化能力，它们可以通过零样本（ZeroShot）或少样本（FewShot）的方式进行指令微调（Instruction Tuning），直接应用于新的任务，而无需大量特定任务的数据。这可以说是目前FSL最成功的实践路径之一。
个性化和推荐系统： 在用户建模和推荐领域，用户数据往往是非常稀疏的，FSL方法在这里有着天然的优势。Google 的推荐系统团队自然也会探索如何利用FSL技术，为新用户或新物品提供个性化的推荐。

国内优秀的探索者

在国内，FSL的研究虽然起步可能比国外稍晚，但发展非常迅速，涌现出许多优秀的团队，他们的研究同样具有很强的原创性和实用价值。

北京大学的深度学习实验室 (PKU Deep Learning Lab, 由刘淇、杨强等教授带领)：
为什么提到他们？ 北京大学在机器学习，特别是联邦学习（Federated Learning）和个性化学习方面有着深厚的研究积累。FSL与这些领域有着天然的联系，尤其是在数据隐私受到严格保护的情况下，如何用少量数据完成学习。
具体做法和贡献： 他们的研究团队常常将FSL的思路与联邦学习结合，探索如何在分布式且数据私有的环境下实现高效的小样本学习。例如，他们会研究如何设计能够快速适应新用户或新设备的联邦学习算法，而无需将用户的少量数据集中起来。他们也关注模型的可解释性和鲁棒性，在FSL的基础上，让模型不仅学得快，而且学得“明白”。

清华大学的计算机科学与技术系 (特别是涉及AI和CV的实验室，如刘感、刘知远、朱小文等老师的研究方向)：
为什么提到他们？ 清华大学在计算机视觉、自然语言处理以及机器学习的交叉领域都有着非常活跃的研究。FSL作为连接这些领域的重要技术，自然也受到高度重视。
具体做法和贡献：
视觉领域： 在视觉小样本学习方面，清华的团队会探索如何利用图神经网络（Graph Neural Networks, GNNs）来建模类别之间的关系，从而在只有少数样本的情况下，更好地识别新类别。他们也关注数据增强（Data Augmentation）技术在FSL中的应用，如何通过生成更多高质量的“伪样本”来弥补真实样本的不足。
NLP领域： 在自然语言处理方面，他们会研究如何让预训练语言模型在处理低资源语言或特定领域文本时，仅用少量样本就能快速适应。例如，将FSL与提示学习（Prompt Learning）结合，直接通过精心设计的“提示”来引导模型完成任务，极大地降低了对标注数据的依赖。

中国科学院计算技术研究所 (ICT, 尤其是孙剑、马毅等教授的团队)：
为什么提到他们？ 孙剑教授和马毅教授都是计算机视觉领域的大家，他们领导的团队在大规模视觉模型的构建和应用方面有非常丰富的经验。
具体做法和贡献： 他们的研究会将FSL与大规模预训练模型紧密结合。例如，如何利用在海量无标签数据上预训练的模型（如自监督学习模型），然后通过极少量的标注数据进行微调，以适应各种下游的视觉任务，如图像分类、目标检测、语义分割等。他们会深入研究预训练模型的表示能力，以及如何有效地迁移这些知识到新的、数据稀疏的任务中。

其他活跃的国内研究机构和高校：
诸如浙江大学、上海交通大学、哈尔滨工业大学、南京大学等高校，以及腾讯AI Lab、阿里巴巴达摩院、百度AI部门等公司研究机构，都在FSL领域有非常活跃的研究和贡献。他们往往会将FSL与各自擅长的领域相结合，例如：
腾讯AI Lab： 可能更关注在游戏、内容推荐等场景下的FSL应用，比如快速学习新游戏玩法或推荐新内容。
阿里达摩院： 在电商、搜索、推荐等领域，FSL技术是提升用户体验、优化运营效率的关键，他们会深入研究如何用FSL解决实际业务问题。
百度AI： 在自然语言处理、自动驾驶、智能助手等方向，FSL同样是不可或缺的技术。

总结一下这些团队的研究方向：

1. 元学习（MetaLearning）： 核心思想是“学习如何学习”，让模型能够快速适应新任务。MAML、Prototypical Networks、Relation Networks等都是其中的代表性方法。
2. 数据增强（Data Augmentation）： 在样本稀缺时，通过各种技术生成更多、更多样化的训练数据，例如GANs、风格迁移等。
3. 预训练模型与微调（Pretraining & Finetuning）： 利用在海量数据上预训练的强大模型，然后用少量数据进行微调，这是目前最实用也最成功的一种方式。
4. 迁移学习（Transfer Learning）： 将在一个任务上学到的知识迁移到另一个新任务上，FSL是迁移学习的一种特殊极端情况。
5. 模型结构设计： 研究特殊的网络结构，例如记忆网络、关系网络等，使其天生就适合处理少样本情况。

我个人的观察：

从我接触和了解到的情况来看，FSL领域的研究正朝着更通用、更高效、更实用的方向发展。一方面，研究者们在不断探索更强大的元学习算法和预训练模型，希望能让模型在更广泛的场景下表现出色。另一方面，如何将FSL技术与具身智能、多模态学习（如视觉+语言）、联邦学习等前沿领域相结合，以解决更复杂、更贴近现实世界的问题，也成为了一个重要的研究方向。

未来的FSL，我们很可能会看到它在个性化教育、罕见病诊断、新产品设计、机器人助手等众多领域发挥越来越重要的作用。这些团队的研究，无疑是在为AI的“智能”注入更多“人的智慧”。



希望这些信息能让你对国内外小样本学习领域的优秀团队及其研究方向有更深入的了解，并且我尽量避免了生硬的AI式表述。

网友意见

user avatar

自问自答一下~

感谢 @Curry 前面的指导 国内外有哪些做小样本学习(Few-Shot Learning)的优秀团队 ，

也感谢我的师弟的辛勤工作。

综合运用微软学术和@学术头条。调研方法详见：科研工具 | 找学者、查代码、看关系


我们可以检索到小样本学习领域的学者们（排名不分先后）。

Trevor Darrell (www2.eecs.berkeley.edu/) on the faculty of the CS Division at UC Berkeley

Bernt Schiele (mpi-inf.mpg.de/departme) Max-Planck-Director at MPI Informatics and Professor at Saarland University

Richard S. Zemel (cs.toronto.edu/~zemel/i) Professor,Department of Computer Science, University of Toronto

Alex Krizhevsky (cs.toronto.edu/~kriz) Google

Tao(Tony) Xiang (Tao (Tony) Xiang) University of Surrey

Kevin Swersky (cs.toronto.edu/~kswersk) research scientist at Google Brain

Hugo Larochelle (mila.quebec/personne/hu) Associate Professor at Google Brain

Nikos Komodakis（csd.uoc.gr/~hannover/La） postdoctoral research associate at the Computer Science Department of University of Crete.

Zeynep Akata（eml-unitue.de/people/ze）Professor of Computer Science, University of Tübingen

Spyros Gidaris（scholar.google.com/cita）valeo ai

Yanwei Fu(付彦伟) (Yanwei Fu: EECS-QMUL) School of Date Science, Fudan University

Yuxiong Wang(王宇雄) (Yuxiong Wang Homepage) Robotics Institute, School of Computer Science, Carnegie Mellon University

Qianru Sun（孙倩茹）（qianrusun.com/） Assistant Professor Singapore Management University

Zhiwu Lu(卢志武) (卢志武-师资队伍-教师科研 - 中国人民大学信息学院) School of Information, Renmin University of China

Wenbin Li（李文斌） （cs.nju.edu.cn/liwenbin/）an Assistant Researcher of the Department of Computer Science and Technology at Nanjing University

Jiebo Luo (cs.rochester.edu/people) Data Science CoE Distinguished Researcher，Goergen Institute for Data Science

类似的话题

  • 问题

    国内外有哪些做小样本学习(Few-Shot Learning)的优秀团队？

    回答
    在国内和国外，有很多团队在小样本学习（FewShot Learning, FSL）领域进行着卓有成效的研究。这个领域之所以备受关注，是因为它能够让模型在只有极少量标注数据的情况下，仍然能够学习并做出准确的预测，这在现实世界中很多数据标注成本高昂或稀缺的场景下有着巨大的应用潜力。下面我将介绍一些在FS.............
  • 问题

    国内有哪些小众但很有意思的网站？

    回答
    国内小众而有趣的网站，它们就像隐藏在数字丛林中的宝藏，没有铺天盖地的宣传，却凭借独特的魅力吸引着一众同好。你有没有想过，在某个深夜，忽然被一个关于“消失的地平线”的讨论串深深吸引？那里聚集着一群对地理、历史、传说有着狂热探索精神的人们。他们分享着那些鲜为人知的地理现象，比如中国某些地区民间流传的关于.............
  • 问题

    国内有哪些不错的小众旅游地？

    回答
    好的，咱们聊聊那些不挤不闹，又能让你眼前一亮的国内小众秘境，不走寻常路，才能挖到宝藏嘛！我尽量给你说得细致点，让你觉得就像是朋友跟你分享的经验一样。1. 探访藏在深山的“天空之城”——甘孜·色达五明佛学院（虽然名气不小，但深入体验的人不多）说到甘孜，大家可能先想到稻城亚丁，但色达，绝对是另一番震撼。.............
  • 问题

    有哪些小众的国内家居品牌，格调却一点都不输muji、宜家？

    回答
    在国内家居市场，除了大众熟知的宜家和无印良品，其实隐藏着不少风格独特、格调不俗的小众品牌，它们或许没有巨头的声量，却以其匠心独运的设计和对品质的坚持，赢得了不少追求个性和生活美学消费者的青睐。就拿一家叫做“ 野兽派 ”（虽然名字听起来很“潮”，但它的家居线绝对是另外一番景象）的品牌来说，它最初是以花.............
  • 问题

    国内体积比较小的微波炉有哪些?主要是外面的体积，准备放宿舍用的，想要个体积比较小的

    回答
    .......
  • 问题

    有哪些因为「大陆内外中文词汇差异」而导致的小误会？

    回答
    这事儿说起来，可不只是“哎呀，用词不一样”那么简单。有时候，就是因为一个词，大家沟通起来就卡壳，甚至闹出点小别扭。我来给你掰扯掰扯几个我亲身经历或者听说的，让你感受一下这中文词汇的“内地与彼岸”的微妙之处。1. “出租车” vs. “的士”：文明的碰撞？这是最常见也最容易引起误会的例子了。在北京，我.............
  • 问题

    国内外有哪些明星是真正爱好科学？他们为此做过哪些事？

    回答
    在星光璀璨的娱乐圈里，总有一些身影，他们的光芒不仅仅来自于镁光灯下的表演，更源于他们对科学知识的真挚热爱和积极践行。这些明星，用自己的方式，拉近了科学与大众的距离，也为我们展现了才华与智慧并存的魅力。国内篇：说起国内真正热爱科学的明星，李健绝对是一个绕不开的名字。这位以“音乐诗人”著称的歌手，骨子里.............
  • 问题

    国内外做得比较好的商业用轮式机器人有哪些？

    回答
    商业用轮式机器人市场非常活跃，涌现出了许多优秀的国内外公司和他们的产品。这些机器人广泛应用于物流仓储、零售、安防巡逻、清洁、配送、展览展示等领域。下面我将从几个主要应用领域，详细介绍国内外做得比较好的商业用轮式机器人及其特点： 1. 物流仓储领域物流仓储是轮式机器人最成熟和应用最广泛的领域之一。这些.............
  • 问题

    国内有哪些做元宇宙（Metaverse）的公司？

    回答
    元宇宙，这个概念近年来如同春天的野草般在中国大地疯长，吸引了无数资本、技术和创意的目光。一时间，“元宇宙”似乎成了各行各业绕不开的标签，大有“凡是沾边者，皆可称元宇宙”的趋势。但抛开概念的喧嚣，究竟有哪些国内公司在踏实地构建和探索这个全新的数字世界呢？要说国内的元宇宙玩家，那可真是群像纷呈，既有互联.............
  • 问题

    国内有哪些好的世界观适合做游戏？

    回答
    国内优秀的游戏世界观其实藏着不少宝藏，很多都自带一股独特的东方韵味和深厚的文化底蕴，为游戏开发提供了绝佳的土壤。我们不妨从几个大家比较熟悉但又可以深挖的方向聊聊，看看哪些能够真正激发游戏创作者的灵感。1. 玄幻修仙类：潜力无限的东方幻想谈到国内游戏世界观，玄幻修仙绝对是绕不开的话题。它之所以能经久不.............
  • 问题

    国内做超弦的有哪些学者？

    回答
    国内做超弦理论的研究者可谓星光熠熠，他们分布在各地顶尖高校和科研机构，在各自的研究领域辛勤耕耘，为推动超弦理论的发展贡献着力量。要一一列举并详述所有人确实不易，但我们可以聚焦几位在国际上享有盛誉，并且在超弦理论的多个分支都有突出贡献的学者。在我看来，谈论国内的超弦理论研究，方舟教授绝对是绕不开的名字.............
  • 问题

    国内专做内衣的电子商务有哪些？

    回答
    在国内，提到内衣电商，那可不是几个网站就能概括的，这是一个庞大且细分的市场，涌现出了不少专注或做得非常出色的品牌和平台。要说“专做内衣”的电商，我们得从几个维度来看：一、 综合型电商平台上的内衣头部品牌/商家虽然不是纯粹的“专做内衣”的电商平台，但淘宝、天猫、京东、拼多多这些巨头上的内衣品类早已成熟.............
  • 问题

    有谁知道目前国内做智能吸尘器的有哪些公司？

    回答
    .......
  • 问题

    国内市场上的猫粮有名的有哪些？想做个对比，给我家的猫咪换粮

    回答
    .......
  • 问题

    家有服装工厂给韩国品牌做代工。想尝试韩国拿版国内产国内销，销售渠道在哪？

    回答
    太好了！家有服装工厂，而且还在给韩国品牌代工，这本身就积累了非常好的生产和质量基础。现在想尝试“拿韩国版，国内产，国内销”，这是一个非常明智的转型思路，既能利用现有的生产能力，又能抓住国内市场的潜力。咱们就来好好聊聊这条路怎么走，销售渠道方面咱们可以挖得深一点。一、 首先，要明确你的定位和优势在开始.............
  • 问题

    国内外有哪些不以颜值而出名的网红？他们分别是怎么出名的？

    回答
    在互联网时代，网红的成名方式日益多样化，除了外貌、颜值之外，许多网红通过专业技能、知识储备、幽默感、社会影响力等非外貌因素获得关注。以下是国内和国外部分不以颜值出名的网红及其成名方式的详细分析： 一、国内不以颜值出名的网红1. 罗永浩（罗永浩） 成名方式：以科技产品（如锤子手机）和直播带货.............
  • 问题

    国内外有哪些有趣的火车站名？

    回答
    哈哈，这问题问到我心坎里了！说实话，我一直觉得火车站名这玩意儿，背后总藏着不少故事，有时候一瞥之下就能勾起无限遐想。咱们国内国外，都有不少叫人眼前一亮的。咱们中国，那些带着故事的站名：先说咱们自己家门口的，我脑子里第一个蹦出来的就是 “南翔”。一听这名字，是不是就有点江南水乡、吴侬软语的感觉？而且，.............
  • 问题

    国内外有哪些比较权威的统计数据网站？

    回答
    想要了解国内外权威的统计数据，就像是在广袤的知识海洋中寻找灯塔，指引我们看清世界的脉络。这些数据网站，它们就像是记录社会经济发展、人口变迁、环境变化的宏大史书，一旦掌握，便能让你对事物有更深刻、更客观的认识。国内的宝藏：在中国，我们有几个非常重要的官方统计机构，它们是数据发布的“基石”。 国家统.............
  • 问题

    国内外有哪些著名的玩具设计师，他们的作品都是怎样的？

    回答
    要聊起国内外那些让童年闪闪发光、又让成人怀揣童心的玩具设计师，那可真是一大串名字，他们的作品，不仅仅是孩子们手里的塑料或木头，更是一种创造力的结晶，一种情感的寄托，甚至是一种文化符号。抛开那些冰冷的“AI痕迹”，咱们就敞开了聊聊这些天马行空的灵魂人物，他们的脑子里到底装了什么神奇的宝贝。国内那些让人.............
  • 问题

    国内外有哪些「幽灵车站」？

    回答
    “幽灵车站”这个词，听上去就带着一股神秘和说不清道不明的氛围。它指的是那些曾经载客运营，后来却因为各种原因停用，但站体本身依然保留了下来，甚至偶尔还会出现在地图上，但已不再是人们熟悉的候车、购票、进站的地方。它们就像是被时间遗忘的遗迹，默默地诉说着过去的辉煌或者变迁。其实，全世界都有不少这样的“幽灵.............

本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有

服务条款
联系我们
关于我们
隐私政策
友情链接
知乎
百度问答
搜狐
新浪