零样本学习（ZSL）通过利用描述已知类别和未知类别之间关系的辅助信息，使模型能够识别它们从未明确训练过的类别。ZSL 不依赖于每个可能类别的带标签样本，而是使用语义或结构化数据（例如文本描述、属性或嵌入）来泛化到未见类别。例如，如果一个模型经过训练识别“马”和“斑马”，它可以通过结合现有数据中的“条纹”和“马状大小”等属性，推断出像“斑马马杂交”这样的新类别。这种方法避免了重新训练的需要，并允许灵活处理新类别。
ZSL 的一个关键机制是使用语义嵌入或属性向量来连接已知类别和未见类别。例如，在图像分类中，模型可以将图像映射到一个共享的语义空间（例如，来自语言模型的词嵌入），在该空间中表示已知和未知类别。即使没有提供猕猴桃鸟的训练图像，如果引入“猕猴桃鸟”这样的新类别，模型也可以将其与“不能飞”、“棕色羽毛”和“夜行性”等属性关联起来。像 CLIP（对比语言-图像预训练）这样的框架通过对齐视觉和文本数据来证明这一点：通过将图像嵌入与未见类别的文本描述进行比较来进行图像分类。这种方法之所以奏效，是因为模型学习了视觉特征如何与语义概念相关的泛化理解。
然而，ZSL 也面临挑战。辅助数据（例如，属性定义或文本描述）的质量严重影响性能。定义不清的属性或训练与推理环境之间的不匹配可能导致错误。例如，如果一个模型针对动物属性进行训练，然后遇到一个具有冲突特征的虚构生物，它可能会将其错误分类。开发者通常通过将 ZSL 与少样本学习（对未见类别使用少量带标签数据）相结合，或通过知识图谱等技术改进语义表示来解决这个问题。实际实现还需要仔细验证语义关系，并在不同场景下进行测试以确保鲁棒性。虽然 ZSL 并不完美，但它提供了一种无需进行详尽重新训练即可处理未知类别的可扩展方式。