某市政府環保局想建立一個垃圾分類查詢系統，讓民眾輸入物品名稱後自動判斷分類。由於垃圾種類繁多，但每種分類的訓練範例有限，工程師決定採用少樣本學習（Few-shot Learning）技術。下列何者為少樣本學習（Few-shot Learning）的主要特徵？
答案 （B）
核心概念
少樣本學習的核心價值是「用極少的範例讓模型學會新任務」。在大型語言模型的脈絡下，通常是在提示中放入幾組輸入輸出示例，模型從中歸納出任務的模式與格式，不需要重新訓練參數就能適應新的分類需求。這正好解決題目的困境——垃圾種類多但每類範例少。
答題技巧
快速判斷技巧：以範例數量區分——0 個是 Zero-shot、1 個是 One-shot、少數幾個是 Few-shot、大量標註資料是傳統監督式。看到「少量示例」就對了。
易錯陷阱：(C) 零樣本學習是最接近的誘答，兩者只差在「有沒有給範例」。作答時把 Zero 與 Few 的中文翻譯默念一次（零 vs 少），就不會選錯。