零样本学习

研究人员提出基于BERT的对话状态追踪框架，实现零样本跨领域泛化，显著提升多任务对话系统扩展性。

研究者提出基于贝叶斯推理的跨语言互通理解计算模型，仅需母语语言模型即可实现陌生语言的零样本理解，实验表明该模型比大模型零样本提示更贴近人类认知表现。

研究评估了多模态大语言模型在零样本条件下，为图像区域进行物体及部件级概念命名的能力，提出了一种可复现的评估框架，在物体级别准确率可达62%-88%。

全球首个人形机器人通用小脑正式发布，依托全球最大规模2万小时人类动作数据，成功实现零样本泛化能力，标志着人形机器人迈入“GPT时代”。

最新研究通过在多语种大模型上的实验表明，跨语言迁移效果主要取决于任务格式对齐程度，而非语言之间的亲缘关系。