元学习与基础模型中的少样本适应

• 高级元学习算法

  实践并分析复杂的基于梯度的、基于度量的以及基于优化的元学习算法。

• 基础模型适应

  为大型基础模型设计并运用有效的少样本适应策略。

• 可扩展性技术

  处理将元学习应用于大规模模型时面临的计算与内存挑战。

• 理论理解

  理解不同元学习方法在基础模型背景下的理论保证与局限。

• 参数高效方法

  分析并比较元学习与参数高效微调（PEFT）技术在少样本适应中的表现。

• 实践经验

  获得为基础模型实现元学习适应流程的实践经验。

本课程没有先修课程。

目前没有推荐的后续课程。