少样本分类更准
利用标签语义增强文本表示与支持样本校准，在少样本场景下获得更稳定的类别原型和更准确的分类边界。
Liu, Xinyue · Yunlong, Gao · Zong, Linlin · 梁文新 · 徐波
Pattern Recognition 2025
通过标签引导损失将样本拉向对应标签，使类别分布在训练阶段就变得可分，缓解仅靠样本特征导致类别定义模糊的问题。
测试阶段用标签语义缩放文本表示，让每个支持样本更靠近类中心，减少因随机选择的不理想支持样本导致的预测矛盾。
利用提示编码生成文本表示，而不是简单地聚合句子中的词，从而提取更多与类别相关的语义信息。