Zero-shot learning (ZSL) 是一种机器学习方法，其中模型学习识别在训练过程中没有明确看到的对象，类别或任务。此功能依赖于模型对语义关系和特征表示的理解。可以在图像分类任务中找到行动中的零射学习的常见示例，其中模型需要识别新类，而无需访问这些类的标记训练数据。
例如，考虑一个模型被训练以识别各种动物 (如猫、狗和鸟) 的场景。在训练阶段，它学会将某些特征与每个类别相关联，例如猫和狗的四条腿形状或鸟类的羽毛翅膀。当出现一个新的类时，比如 “斑马”，模型仍然可以对它是什么做出明智的猜测，即使它以前从未见过斑马。这是通过利用从原始类别中学到的属性来实现的，例如识别斑马独特的黑白条纹，并且它是像马一样的四足哺乳动物，在训练过程中可能会遇到这种情况。
零射学习的另一个实际应用可以在自然语言处理 (NLP) 中观察到。想象一下设计用于在多种语言之间进行翻译的系统。虽然系统可能已经在英语、西班牙语和法语上进行了广泛的训练，但它可能还需要将文本翻译成不支持的语言，例如斯瓦希里语。通过了解语言及其语法结构之间的关系，该模型可以应用它对类似语言的了解来对尚未明确训练的文本进行准确的翻译。这种能力允许更多功能的应用，使系统能够处理更多的任务，而不需要为每个可能的输入大量的注释数据。