无源跨域少样本学习的逐步分布对齐引导样式提示调优

本研究解决了无源跨域少样本学习（SF-CDFSL）中只能使用预训练模型和少量目标样本的问题，缺乏源数据和策略。提出了一种新的逐步分布对齐引导样式提示调优方法（StepSPT），通过优化预测分布来缩小领域间的差距，从而在五个数据集上取得了优于现有方法的结果，展示了其有效性和潜在影响。