يقدم الباحثون TCLA، وهي طريقة تكيف قليلة العينات خالية تمامًا من التدريب مصممة لتحسين أداء نماذج الرؤية واللغة الطبية (VLMs) على البيانات خارج التوزيع. تصحّط الطريقة لوغيتات الاستدلال باستخدام مجموعة صغيرة من عينات الدعم لتعزيز تفكيك الفصل بين الفئات وتقليل انزياح المجال دون إدخال مكونات قابلة للتدريب.
- TCLA غير مرتبط بنموذج معين وسريع، مما يعالج مشاكل عدم الاستقرار الموجودة في طرق قليلة العينات الحالية التي تعتمد على معاملات إضافية قابلة للتدريب.
- تحسّن الأداء عبر تسعة مجموعات بيانات تغطي عدة وسائل تصوير طبية، بما في ذلك الأشعة السينية، والموجات فوق الصوتية، والرنين المغناطيسي (MRI)، والأشعة المقطعية (CT)، والنسيج المرضي.
- في معظم الحالات، تتفوق TCLA على طرق التكيف القائمة على التدريب الحالية مع الحفاظ على المتانة عبر أنواع البيانات الطبية المختلفة.
توفر هذه النهج بديلاً مستقرًا لتكييف نماذج VLM المدربة مسبقًا في أنظمة بيانات منخفضة للغاية حيث قد تفشل الطرق التقليدية قليلة العينات.