AI 大模型在数据增强与迁移学习中的价值及典型方法

它们最大价值就是解决小样本、缺数据、成本高的问题。数据增强是在现有数据上做扩充，比如文本做同义替换、加噪声、回译，图像做裁剪、翻转，不用重新标注就能提升模型泛化能力。迁移学习是拿预训练大模型的通用知识，用到垂直领域，比如用通用大模型微调少量医疗、法律数据，快速适配专业场景。典型方法就是领域自适应、参数高效微调（PEFT），不用重头训模型。两者搭配，能大幅降低数据和算力成本，让小样本场景也能做出好用的 AI 应用。