计算机视觉多类别分类任务（Zero-shot Learning场景）的数据集划分方法问询

我当前聚焦的是**零样本学习（Zero-shot Learning）**场景下的多任务分类任务，发现现有数据集的划分方式存在明显不合理性：

• 验证集（validation set）与测试集（test set）包含完全不同的类别，这直接导致在验证集上调优得到的参数，在测试集上往往表现不佳，根本没法筛选出真正能提升模型性能的参数。

针对这个问题，我能想到的唯一解决途径是：同时基于验证集调优参数，并用测试集评估性能。但这种方法显然不规范，几乎等同于直接在测试集上进行参数调优。

注：我的认知目前仅局限于视频分类领域，不确定其他领域是否采用相同的数据集划分方法。

内容的提问来源于stack exchange，提问作者Flush