我们提出了一个概率状态空间模型，用于解决测试时无法获取标记数据的适应问题。该模型通过推断时变的类别原型来实现动态分类，仅修改模型的最后一个线性层。实验结果显示，该方法在真实的分布变化和合成数据破坏方面具有竞争力，尤其在小测试批次的情况下表现出色。