NLP中的零样本学习是指模型执行尚未明确训练的任务的能力。这是通过利用预先训练的模型来实现的，例如GPT或T5，这些模型在训练期间暴露于大量不同的数据。例如，零样本学习模型可以将评论的情绪分类为正面或负面，而无需专门针对情绪分析进行微调。
零射学习通常涉及为模型提供任务描述或提示。例如，提示 “将此评论分类为正面或负面: '我喜欢这个产品'” 有助于模型在没有明确的特定任务训练的情况下推断任务。这种方法对于具有很少或没有标记数据的场景是有用的。
零样本学习广泛应用于分类、翻译和文本生成任务。它减少了对特定任务数据集和培训的需求，使其对于快速原型设计和低资源场景特别有价值。像OpenAI的GPT-3和Hugging Face的T5这样的模型已经普及了零射击功能，大大拓宽了NLP应用的范围。