AI论文综述：语言模型是无监督多任务学习者（GPT-2）
freeCodeCamp.org3193 字 (约 13 分钟)
92
GPT-2证明仅通过无监督的下一词预测训练，大语言模型可自发涌现出多任务能力，无需任务特定微调即可实现翻译、问答和摘要等功能。
入选理由：GPT-2在800万网页文本上训练，参数量达15亿，首次展示零样本迁移能力。
精选文章#GPT-2#大语言模型#零样本学习#Transformer英文
概念
什么是 zero-shot learning？
模型在未经显式训练的情况下执行新任务的能力。
为什么现在值得关注？
最近变化
2026-05-11 · GPT-2在800万网页文本上训练，参数量达15亿，首次展示零样本迁移能力。
zero-shot learning 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
📰 zero-shot learning 最新动态
已收录 1 篇与「zero-shot learning」相关的 AI 资讯和分析。
🔗 相关术语
与「zero-shot learning」经常一起出现的 AI 术语。
💡 想追踪「zero-shot learning」的长期趋势？去 实体雷达 · zero-shot learning 查看详细分析和跨材料问答。