原型检索

STAR：测试时自适应可增强视觉语言模型的通用提示词学习

STAR: Test-Time Adaptation Can Enhance Universal Prompt Learning for Vision-Language Models

提出基于Fisher分数的可分离性感知门控与共轭优化，结合动态记忆库的原型检索来校准OOD检测，为视觉语言模型在无标签且含OOD样本的目标域上进行测试时提示词学习提供了可靠伪标签生成与偏差缓解的通用技术方案。