本研究探讨了指导模型在指令调整中可能导致的知识遗忘和对话过度问题。通过部分适应方法，降低指令调整强度可以提高几-shot学习性能，但会略微降低指令跟随能力，揭示了上下文学习与指令跟随能力之间的权衡。

本研究提出了一种名为Snuffy的新型多实例学习池化方法，用于数字病理学中全幻灯片图像的分类。该方法通过稀疏变换器减轻性能损失，并在CAMELYON16和TCGA肺癌数据集上展示了优越的分类准确率。该方法在几-shot学习中具有潜在的应用价值。