技术
Low-Resource Training（低资源训练）
低资源训练指在数据、算力或标注稀缺条件下训练AI模型的方法，旨在解决资源受限场景下的模型性能问题。典型技术包括迁移学习、元学习、数据增强等，应用于小语种NLP、医疗影像分析等领域，代表工作有Few-shot learning、Prompt tuning等。
详细解释
低资源训练通过利用先验知识或高效学习策略，减少对大规模标注数据的依赖。常见方法包括预训练微调、自监督学习、半监督学习以及参数高效微调（如LoRA）。在NLP中，少样本学习通过提示工程激发大模型能力；在CV中，数据增强和合成数据被广泛使用。挑战在于泛化性和负迁移。
别名与相关写法
low-resource training