具有嵌入的零样本学习 (ZSL) 是指模型使用嵌入作为先验知识的来源，对训练期间从未遇到过的类或任务进行预测的能力。这个想法是利用学习的嵌入将知识从已知任务转移到看不见的任务。例如，如果一个模型被训练来识别各种动物，如猫、狗和马，它仍然可以使用嵌入空间中捕获的关系对斑马进行分类，即使它从未在斑马上明确训练过。
在嵌入的上下文中，零样本学习通常依赖于语义嵌入，其中每个类或任务由捕获其特征或属性的向量表示。这些语义向量通常在大规模数据集上进行预训练，并用于将未见过的类与已知的类进行比较。例如，模型可以通过将新对象的语义嵌入与其已经学习的对象的语义嵌入进行比较来对其进行分类。
使用嵌入的零样本学习对于自然语言处理和图像识别等任务变得越来越重要，在这些任务中，推广到新的、看不见的数据的能力至关重要。通过使用嵌入，模型可以根据它们与先前学习的数据的相似性来推断有关新类或任务的信息，使它们能够处理各种现实世界的应用程序，在这些应用程序中，对每个可能的类进行训练是不可行的。