#零样本学习

VioLA用人类数据训练人形机器人，零样本就能完成 locomotion 和操作任务，成功率远超现有模型

训练免了！ViGeo 用时空类比让视频模型靠示例学新任务，还能零样本处理 event cameras，顺手拆了个提示词捷径的坑。

斯坦福团队提出LLM4CKD框架，用少量数据就能做肾病筛查，比传统方法更灵活。

GEN-1.5 的成功秘诀在于利用人类数据中的自然重复动作。这些重复主要来自对称模式，如 IKEA 组装手册中的螺栓配对，以及人类的恢复动作。关键在于保留失败的尝试，而非过度清理数据。另一个关键因素是 UMI（直接人类数据收集），它比传统的遥操作（teleop）更能保留人类的物理直觉。有了足够数据，许多行为可以实现零样本学习，无需微调。

Jim Fan@DrJimFan原文

这篇论文提出了两种新方法，只用基本动作训练就能识别组合动作，在多个数据集上准确率提升超20%，挺实用。

用真实非洲场景测了5个主流VLM，发现Gemini和Qwen在车牌识别上比YOLO+OCR更准，有数据有对比。

这篇论文提出了BrainJanus，一个能双向翻译脑信号与图像、文本的统一模型，在零样本和生物可解释性上突破传统方法。