本研究提出了一种自适应对抗风格扰动方法SVasP，旨在解决跨领域少样本学习中的梯度不稳定和局部优化问题。通过多样化输入和聚合样本风格梯度，显著提升了模型的迁移能力，实验结果表明该方法在多个数据集上超越了现有技术。