小样本机器学习再发力！2025再登Nature正刊！

小样本机器学习（Few-Shot Learning, FSL）是一种在仅有少量标注样本（通常为几个到几十个）的情况下，训练机器学习模型以完成新任务的方法。

我还整理出了相关的论文+开源代码，以下是精选部分论文

更多论文料可以关注：AI科技探寻，发送：111  领取更多[论文+开源码】    

论文1

标题：

【Nature】

Accurate predictions on small data with a tabular foundation model

小数据上的准确预测：表格基础模型

方法：

• 表格预训练网络（TabPFN）：提出了一种基于生成式Transformer的基础模型TabPFN，通过在数百万个合成数据集上进行预训练，学习解决表格数据预测任务的通用算法。

• 上下文学习（In-Context Learning, ICL）：利用上下文学习机制，使模型能够在单次前向传播中完成对新数据集的训练和预测，无需针对每个数据集单独训练模型。

  <