本文分析了参数效率微调（PEFT）在少样本医学图像分类中的应用，发现仅微调注意力矩阵的缩放参数和引入Domain-residual adapter模块可显著提升性能。研究表明，PEFT方法在医学图像分析中具有实际应用价值，能够在减少计算开销的同时提高模型性能。

PatchFormer是一种用于点云学习的神经网络，通过自适应学习小基础和计算注意力矩阵来实现对不同尺度特征的关注。与以前的点Transformers相比，PatchFormer在准确性上表现出色，并且速度更快。