Yapay zeka sistemlerinin az sayıda örnekle etkili öğrenme yapabilmesini sağlayan 'few-shot learning' alanında önemli bir gelişme kaydedildi. Araştırmacılar, farklı örnek seçim stratejilerini otomatik olarak birleştiren ACSESS (Automatic Combination of Sample Selection Strategies) adında yeni bir yöntem geliştirdi.
Few-shot learning alanında örnek seçiminin model performansı üzerinde büyük etkisi bulunuyor. Geleneksel denetimli öğrenme ortamlarında etkili seçim stratejileri mevcut olmasına rağmen, büyük dil modelleri üzerine yapılan araştırmalar bu stratejileri büyük ölçüde göz ardı ediyor ve genellikle belirli durumlar için özel olarak tasarlanmış yöntemleri tercih ediyordu.
Yeni geliştirilen ACSESS yöntemi, köklü seçim hedeflerinin güçlü yanlarını ve birbirini tamamlayan özelliklerini kullanarak bu sorunu çözmeyi hedefliyor. Araştırma kapsamında 23 farklı örnek seçim stratejisinin etkisi, 5 farklı bağlamsal öğrenme modeli ve 3 farklı few-shot öğrenme yaklaşımı üzerinde test edildi.
Test süreci 6 metin ve 8 görüntü veri seti üzerinde gerçekleştirildi. Deneysel sonuçlar, ACSESS yöntemiyle stratejilerin birleştirilmesinin tüm tekil seçim stratejilerinden sürekli olarak daha iyi performans gösterdiğini ortaya koydu. Bu gelişme, yapay zekanın daha az veriyle daha etkili öğrenmesinin önünü açabilir.