詳細解釋
單樣本學習（One-Shot Learning）是僅用單一示例學習新類別的任務，模倣人類快速學習能力。
挑戰：
- 數據極少：只有1個正例
- 無法傳統訓練：深度網絡需大量數據
- 過擬合風險：記住而非學習
解決方法：
- 元學習：學習如何學習（MAML等）
- 度量學習：學習相似度度量
- 嵌入向量 (嵌入 / 詞嵌入 / 向量嵌入) (Embedding Lookup)：比較新樣本與已知樣本距離
- 數據增強：從單樣本生成變體
- 大型語言模型 (大語言模型 / 大模型)：利用預訓練知識直接推理
應用場景：
- 人臉識別：新員工只需一張照片
- 字體識別：新字體單示例適應
- 醫療診斷：罕見病單病例學習
- 異常檢測：正常模式單樣本
與少樣本學習的關係：
- 單樣本是少樣本的極端情況（N=1）
- 技術方法相通
評估：
- miniImageNet、Omniglot基準
- N-way K-shot設定
是人類水平AI的追求目標。