在论文《Few-Shot Learning with Global Class Representations》中，北京大学和华为诺亚方舟实验室的研究人员提出：基于全局类别表征的小样本学习。据介绍，研究人员提出的方法同时使用了基类数据和新类的小样本数据来学习类别表征，可以防止训练的模型在基类上过拟合；相比于之前学习阶段性类别表征的方法，研究人员提出的全局类别表征直接与所有基类和新类训练样本进行比较，可能更具可分辨性；研究人员的方法能同时有效处理标准小样本学习和广义小样本学习。主页：https://tiangeluo.github.io/GlobalRepresentation.html。