💻 computer science

PRiSM: Prototype Regularization for Few-Shot VLMs

यह शोध पत्र PRiSM को प्रस्तुत करता है, जो एक नवीन मल्टी-टर्म लॉस और कुशल मेजराइज-मिनिमाइज ऑप्टिमाइज़र के साथ एक ट्रेनिंग-फ्री प्रोटोटाइप रेगुलराइजेशन विधि है, जो क्लास इम्बैलेंस (वर्ग असंतुलन) और वर्गों की परिवर्तनशील संख्या जैसी वास्तविक चुनौतियों के विरुद्ध फ्यू-शॉट विजन-लैंग्वेज मॉडल्स की मजबूती में महत्वपूर्ण सुधार करता है जहाँ वर्तमान अत्याधुनिक विधियाँ विफल हो जाती हैं।

मूल लेखक: Ghassen Baklouti, Omprakash Chakraborty, Jose Dolz, Ismail Ben Ayed

प्रकाशित 2026-07-21

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ghassen Baklouti, Omprakash Chakraborty, Jose Dolz, Ismail Ben Ayed

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक सुपर-स्मार्ट रोबोट को जानवरों को पहचानना सिखा रहे हैं। आप उसे एक नई रचना, जैसे कि "फ्लफ-पफ" (fluff-puff), के कुछ उदाहरण दिखाकर ही उसे समझने में मदद करना चाहते हैं, न कि लाखों तस्वीरों को खिलाकर सालों बिताना चाहते हैं। यह विज़न-लैंग्वेज मॉडल्स (VLMs) की दुनिया है। इन मॉडल्स को एक विशाल पुस्तकालय के रूप में समझें जहाँ चित्रों और शब्दों को पहले से ही एक साझा फाइलिंग सिस्टम में व्यवस्थित किया गया है। रोबोट जानता है कि "डॉग" (कुत्ता) शब्द और कुत्ते की तस्वीर इस लाइब्रेरी के एक ही पड़ोस में रहते हैं।

आमतौर पर, रोबोट को नया हुनर सिखाने के लिए वैज्ञानिक एक विधि का उपयोग करते हैं जिसे फ्यू-शॉट लर्निंग (few-shot learning) कहा जाता है। वे रोबोट को एक छोटा सा "सपोर्ट सेट" देते हैं—बस कुछ लेबल किए गए उदाहरण (मान लीजिए किसी विशिष्ट जानवर की 4 या 16 तस्वीरें)—और उससे पूछते हैं कि वह नए, अनदेखे फोटो में उस जानवर को पहचानने के लिए अपने आंतरिक मानचित्र को कैसे समायोजित करे। लंबे समय तक, वैज्ञानिकों ने इन तरीकों का परीक्षण एक बहुत ही व्यवस्थित और सुव्यवस्थित सेटअप में किया: उन्होंने सुनिश्चित किया कि परीक्षण में मौजूद प्रत्येक जानवर के पास उदाहरणों की बिल्कुल समान संख्या हो। यह एक ऐसी कक्षा की तरह था जहाँ हर छात्र ने ठीक एक बार हाथ उठाया। लेकिन वास्तविक दुनिया में, जीवन अव्यवस्थित होता है। कुछ जानवर हर जगह होते हैं (जैसे कबूतर), जबकि कुछ दुर्लभ होते हैं (जैसे हिम तेंदुआ)। यह शोध पत्र एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: जब हम यह मानना बंद कर देते हैं कि दुनिया पूरी तरह से संतुलित है और हम अपने रोबोट को वास्तविक दुनिया की अव्यवस्थित, असमान वास्तविकता खिलाना शुरू करते हैं, तो हमारे रोबोट के मस्तिष्क के साथ क्या होता है?

समस्या: "बहुमत मत" का जाल (The "Majority Vote" Trap)

शोधकर्ताओं, जो ÉTS मॉन्ट्रियल की एक टीम है, ने पाया कि हमारे वर्तमान रोबोट शिक्षक आश्चर्यजनक रूप से नाजुक हैं। उन्होंने पाया कि जब आप इन मॉडल्स का परीक्षण वास्तविक डेटा पर करते हैं जहाँ कुछ वर्ग सामान्य हैं और अन्य दुर्लभ हैं, तो मॉडल्स बुरी तरह विफल होने लगते हैं। वास्तव में, उन्होंने एक अजीब विरोधाभास पाया: रोबोट को अधिक उदाहरण देने से वह अक्सर और भी खराब हो जाता था।

कल्पना कीजिए कि आप एक स्कूल के सभी छात्रों के नाम सीखने की कोशिश कर रहे हैं। यदि आपको केवल 4 छात्रों से मिलने का मौका मिलता है, और उनमें से 3 एक ही लोकप्रिय समूह (clique) से हैं, तो आप यह सोचने लग सकते हैं कि स्कूल में हर कोई उसी समूह जैसा दिखता है। यदि आप 16 छात्रों से मिलते हैं और उनमें से 15 अभी भी उसी समूह से हैं, तो आपकी उलझन और भी बढ़ जाती है। आपने "बहुमत" को इतनी अच्छी तरह से सीख लिया है कि आप "अल्पसंख्यक" को पहचानने की क्षमता पूरी तरह से भूल गए हैं।

यह शोध पत्र दिखाता है कि वर्तमान "ट्रेनिंग-फ्री" तरीके (जो स्मार्ट और कुशल होने चाहिए) इस जाल में फंस जाते हैं। वे एक "प्रोटोटाइप" (prototype) पर निर्भर करते हैं—जो कि एक वर्ग कैसा दिखता है, इसका मानसिक औसत है। जब डेटा असंतुलित होता है, तो यह मानसिक औसत बहुमत वाले वर्ग की ओर खिंच जाता है, जिससे विभिन्न जानवरों के बीच की रेखाएं धुंधली हो जाती हैं। आप जितना अधिक डेटा जोड़ते हैं, यह "खिंचाव" उतना ही मजबूत होता जाता है, जिससे रोबोट सामान्य जानवरों को दुर्लभ जानवरों के रूप में गलत पहचानने लगता है।

समाधान: PRiSM (द "फेयरनेस कोच")

इसे ठीक करने के लिए, लेखकों ने PRiSM (Prototype Regularization for Few-Shot VLMs) नामक एक नया टूल पेश किया है। PRiSM को एक सख्त लेकिन निष्पक्ष कोच के रूप में समझें जो रोबोट के पहले अनुमान लगाने के बाद हस्तक्षेप करता है।

PRiSL कैसे काम करता है, इसे एक खेल के मैदान के उदाहरण से समझते हैं:

प्रारंभिक अव्यवस्था: रोबोट उन कुछ तस्वीरों को देखता है जो उसके पास हैं और एक "मानसिक मानचित्र" बनाता है कि प्रत्येक जानवर कहाँ स्थित है। क्योंकि सामान्य जानवरों की बहुत अधिक तस्वीरें हैं, इसलिए मानचित्र सिकुड़ा हुआ और अव्यवस्थित है; दुर्लभ जानवरों को किनारे पर धकेल दिया गया है।
कोच का हस्तक्षेप: PRiSM रोबोट के काम को फेंक नहीं देता है। इसके बजाय, यह मानचित्र को व्यवस्थित करने के लिए नियमों का एक सेट (एक "रेगुलराइज़र") लागू करता है।
- नियम 1 (सत्य के प्रति वफादार रहें): "जो आपने देखा उससे बहुत दूर न भटकें।" यह रोबोट के नए अनुमानों को उन वास्तविक तस्वीरों के करीब रखता है जो उसे दिखाई गई थीं।
- नियम 2 (मूल ज्ञान का सम्मान करें): "जो आप पहले से जानते थे उसे न भूलें।" यह सुनिश्चित करता है कि रोबोट अपने मूल, प्री-ट्रेन्ड ज्ञान को पूरी तरह से न भूल जाए।
- नियम 3 (दूरी बनाए रखें): "सुनिश्चित करें कि समूह आपस में न मिलें।" यह सबसे महत्वपूर्ण हिस्सा है। PRiSM सक्रिय रूप से विभिन्न जानवरों के "मानसिक क्लस्टर्स" को एक-दूसरे से दूर धकेलता है। यदि रोबलेट "बिल्ली" को "कुत्ते" के रूप में भ्रमित कर रहा है क्योंकि प्रशिक्षण सेट में बहुत सारे कुत्ते थे, तो PRiSM "बिल्ली" के क्लस्टर को "कुत्ते" के क्लस्टर से दूर धकेल कर उनके बीच स्पष्ट स्थान बनाता है।

टीम ने इस सफाई कार्य को करने के लिए एक विशेष, सुपर-फास्ट गणितीय ट्रिक (जिसे ब्लॉक मेजराइज-मिनिमाइज ऑप्टिमाइज़र कहा जाता है) का भी आविष्कार किया है। यह एक ऐसे GPS की तरह है जो तुरंत यह गणना करता है कि बिना अलग-अलग गति का परीक्षण किए, सही गति से कैसे चलाया जाए। यह पूरी प्रक्रिया को अविश्वसनीय रूप से तेज़ और कुशल बनाता है, जिसमें सेटिंग्स को ट्यून करने के लिए किसी अतिरिक्त "टेस्ट" डेटा की आवश्यकता नहीं होती है।

उन्होंने क्या पाया

परिणाम आश्चर्यजनक और शक्तिशाली थे। लेखकों ने फूलों और कारों की पहचान करने से लेकर बनावट (textures) और दृश्यों को पहचानने तक, 10 अलग-अलग डेटासेट्स पर PRiSM का परीक्षण किया।

"अधिक डेटा" का विरोधाभास पुष्ट हुआ: उनके वास्तविक, असंतुलित परीक्षणों में, उन्होंने देखा कि मानक तरीके (जैसे Tip-Adapter और APE) वास्तव में प्रशिक्षण शॉट्स की संख्या को 2 से बढ़ाकर 16 करने पर और भी खराब हो जाते हैं। उदाहरण के लिए, कुछ डेटासेट्स पर, अधिक तस्वीरें जोड़ने से सटीकता 30% से अधिक गिर गई।
जादुई समाधान: जब उन्होंने इन विफल होते तरीकों के ऊपर PRiSM को जोड़ा, तो सटीकता आसमान छू गई। सबसे चरम असंतुलन वाले मामलों में भी, PRiSM ने एक विफल प्रणाली को शीर्ष प्रदर्शन करने वाले मॉडल में बदल दिया। उदाहरण के लिए, गंभीर असंतुलन वाले एक डेटासेट पर, PRiSM ने एक विधि की सटीकता को 40 प्रतिशत अंक से अधिक बढ़ा दिया (लगभग 21% से बढ़कर 60% से ऊपर हो गया)।
यह हर जगह काम करता है: PRiSM केवल कमजोर मॉडल्स के लिए एक अस्थायी समाधान (band-aid) नहीं था। इसने सबसे मजबूत मौजूदा तरीकों (जैसे ProKeR) को भी थोड़ा बेहतर प्रदर्शन करने में मदद की, जिससे साबित हुआ कि समस्या रोबोट के दिमाग में नहीं थी, बल्कि इस बात में थी कि वर्गों को कितनी अव्यवस्थित तरह से व्यवस्थित किया गया था।

लेखक सुझाव देते हैं कि इन मॉडल्स के विफल होने का मुख्य कारण यह नहीं है कि वे पर्याप्त स्मार्ट नहीं हैं, बल्कि यह है कि जिस तरह से हम उनका परीक्षण करते हैं (पूर्ण संतुलन मानकर), वह एक महत्वपूर्ण दोष को छिपा देता है: प्रोटोटाइप बायस (prototype bias)। जब डेटा असमान होता है, तो रोबोट का "मानसिक औसत" बिगड़ जाता है, और PRiSM वह उपकरण है जो इसे सीधा करता है।

यह क्यों महत्वपूर्ण है

यह शोध पत्र बताता है कि AI को वास्तव में उपयोगी बनाने के लिए, हमें इसे "परफेक्ट क्लासरूम" में टेस्ट करना बंद करना होगा और इसे "मेसी प्लेग्राउंड" (अव्यवस्थित खेल के मैदान) में टेस्ट करना शुरू करना होगा। एक बेंचमार्क पेश करके जो वास्तविक दुनिया के असंतुलन की नकल करता है, और एक टूल (PRiSM) द्वारा जो परिणामी भ्रम को ठीक करता है, लेखक दिखाते हैं कि हम एक ऐसा AI बना सकते हैं जो उस असमान डेटा वितरण को संभालने के लिए पर्याप्त मजबूत हो, जिसका सामना हम वास्तव में हर दिन करते हैं। उन्होंने केवल एक रोबोट को ट्यून करने का बेहतर तरीका नहीं खोजा; उन्होंने रोबोट को अधिक निष्पक्ष बनाने का एक तरीका खोजा, यह सुनिश्चित करते हुए कि वह दुर्लभ और सामान्य दोनों पर समान ध्यान दे।

तकनीकी सारांश: PRiSM - फ्यू-शॉट VLMs के लिए प्रोटोटाइप रेगुलराइजेशन (Prototype Regularization)

समस्या विवरण

यह शोध पत्र वर्तमान 'ट्रेनिंग-फ्री' फ्यू-शॉट अडैप्टेशन विधियों (Vision-Language Models - VLMs के लिए) में दो महत्वपूर्ण सीमाओं की पहचान करता है:

अवास्तविक मूल्यांकन प्रोटोकॉल: मानक बेंचमार्क क्लास-बैलेंस्ड सपोर्ट और क्वेरी सेट्स पर निर्भर करते हैं। यह धारणा उस गंभीर 'प्रोटोटाइप बायस' (prototype bias) को छिपा देती है जो वास्तविक दुनिया के परिदृश्यों में होती है जहाँ डेटा वितरण स्वाभाविक रूप से विषम (class imbalance) होता है और देखे गए वर्गों का सेट अधूरा हो सकता है।
डेटा बढ़ने के साथ प्रदर्शन में गिरावट: मानक फ्यू-शॉट धारणाओं के विपरीत, लेखक देखते हैं कि वास्तविक क्लास इम्बैलेंस के तहत, शॉट्स (लेबल किए गए नमूनों) की संख्या बढ़ाने से अक्सर अत्याधुनिक 'ट्रेनिंग-फ्री' विधियों का प्रदर्शन गिर जाता है। निर्णय सीमाओं (decision boundaries) को परिष्कृत करने के बजाय, विषम वितरण से अतिरिक्त नमूने बहुसंख्यक वर्गों (majority classes) की ओर बायस को बढ़ा देते हैं, जिससे विकृत प्रोटोटाइप और इंटर-क्लास कन्फ्यूजन बढ़ जाता है।

मौजूदा विधियाँ (जैसे, Tip-Adapter, APE, GDA, ProKeR) अक्सर वैलिडेशन सेट्स के माध्यम से कार्य-विशिष्ट हाइपरपैरामीटर ट्यूनिंग की मांग करती हैं—एक ऐसी प्रक्रिया जो फ्यू-शॉट धारणा का उल्लंघन करती है जब ऐसे सेट्स उपलब्ध नहीं होते या उन्हें एनोटेट करना महंगा होता है। इसके अलावा, इन विधियों में विषम सपोर्ट डिस्ट्रीब्यूशन के कारण होने वाले प्रोटोटाइप एस्टीमेशन के अंतर्निहित बायस को ठीक करने के लिए तंत्रों का अभाव है।

कार्यप्रणाली: PRiSM

लेखक PRiSM (Prototype Regularization for Few-Shot VLMs) प्रस्तावित करते हैं, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जिसे बिना किसी वैलिडेशन सेट की आवश्यकता के, पक्षपाती क्लास प्रोटोटाइप को सुधारने के लिए डिज़ाइन किया गया है।

1. ऑब्जेक्टिव फंक्शन (Objective Function)

PRiSM एक बेसलाइन क्लासिफायर के प्रोटोटाइप $a$ से रेगुलराइज्ड प्रोटोटाइप $w$ सीखने के लिए एक नवीन मल्टी-टर्म लॉस फंक्शन को ऑप्टिमाइज़ करता है। ऑब्जेक्टिव $L(w, \phi)$ तीन पदों (terms) को जोड़ता है:
$L(w, \phi) = \beta \sum_{c} \|w_c - \mu_c(\phi)\|_2^2 + \gamma \sum_{c} \|w_c - a_c\|_2^2 - \frac{\lambda}{2(C-1)} \sum_{c \neq c'} \|w_c - w_{c'}\|_2^2$
जहाँ:

सपोर्ट-फीचर अलाइनमेंट ( $\beta$ ): सुधारा गया प्रोटोटाइप $w_c$ , सपोर्ट सेट के औसत विजुअल फीचर्स $\mu_c(\phi)$ के साथ संरेखित (align) होने के लिए प्रोत्साहित करता है, जिससे देखे गए डेटा वितरण के साथ निरंतरता सुनिश्चित होती है।
बेसलाइन फिडेलिटी ( $\gamma$ ): सुधारा गया प्रोटोटाइप मूल बेसलाइन प्रोटोटाइप $a_c$ से जुड़ा रहता है, जिससे प्री-ट्रेंड ज़ीरो-शॉट ज्ञान से बड़े विचलन को रोका जा सके।
इंटर-क्लास सेपरेशन ( $\lambda$ ): एक पेयरवाइज रेगुलराइज़र जो विभिन्न क्लास प्रोटोटाइप के बीच की दूरी को अधिकतम करता है, जिससे हस्तक्षेप कम होता है और इम्बैलेंस्ड स्थितियों में सेपरेबिलिटी में सुधार होता है।

ऑप्टिमाइज़ेशन में दो वेरिएबल ब्लॉक्स शामिल हैं: सुधारा गया प्रोटोटाइप $w$ और विजन एनकोडर पैरामीटर्स $\phi$ ।

2. ऑप्टिमाइज़ेशन रणनीति: ब्लॉक मेजराइज़-मिनिमाइज़ (MM)

नॉन-कॉन्वेक्स ऑब्जेक्टिव को कुशलतापूर्वक हल करने के लिए, लेखक एक ब्लॉक मेजराइज़-मिनिमाइज़ (MM) ऑप्टिमाइज़र पेश करते हैं जो इनके बीच बारी-बारी से काम करता है:

प्रोटोटाइप रेक्टिफिकेशन (Prototype Rectification): $\phi$ को स्थिर रखते हुए $w$ को अपडेट करना। चूंकि ऑब्जेक्टिव $w$ के संबंध में क्वाड्रेटिक है, इसलिए लेखक एक वैध ब्लॉकवाइज़ लिप्सचिट्ज़ कॉन्स्टेंट (Lipschitz constant) $\rho$ (हेसियन के स्पेक्ट्रल नॉर्म का एक बाउंड) निकालते हैं। यह एक इम्प्लिसिट स्टेप साइज $1/\rho$ की अनुमति देता है, जिससे लर्निंग रेट के लिए कम्प्यूटेशनल रूप से महंगे ग्रिड सर्च की आवश्यकता समाप्त हो जाती है। इस बाउंड की गणना गेर्सगोरिन सर्कल थ्योरम (Gershgorin circle theorem) का उपयोग करके कुशलतापूर्वक की जाती है।
फीचर अडैप्टेशन (Feature Adaptation): $w$ को स्थिर रखते हुए $\phi$ को अपडेट करना। यह LoRA (Low-Rank Adaptation) का उपयोग करके स्टैंडर्ड बैक-प्रोपैगेशन के माध्यम से किया जाता है ताकि पैरामीटर दक्षता सुनिश्चित हो सके, जिसमें केवल विजन एनकोडर के कुछ चुनिदित लेयर्स को अपडेट किया जाता है।

मुख्य योगदान

यथार्थवादी बेंचमार्किंग: लेखक डिरिचलेट सैंपलिंग (Dirichlet sampling) का उपयोग करके क्लास इम्बैलेंस और प्रभावी क्लासेज की संख्या को बदलते हुए एक बेंचमार्क पेश करके मानक फ्यू-शॉट प्रोटोकॉल की सीमाओं को उजागर करते हैं। वे प्रदर्शित करते हैं कि गंभीर इम्बैलेंस के तहत शॉट्स की संख्या बढ़ने पर मानक विधियों का प्रदर्शन गिर जाता है।
PRiSM फ्रेमवर्क: एक वैलिडेशन-फ्री, प्लग-एंड-प्ले प्रोटोटाइप रेगुलराइजेशन मॉड्यूल जो किसी भी मौजूदा ट्रेनिंग-फ्री बेसलाइन पर तैनात किया जा सकता है। यह बहुसंख्यक वर्ग के प्रभुत्व को प्रभावी ढंग से कम करता है और VLM एम्बेडिंग स्पेस की डिस्क्रिमिनेटिव संरचना को बनाए रखता है।
कुशल ऑप्टिमाइज़ेशन: प्रोटोटाइप अपडेट के लिए एक ब्लॉकवाइज़ लिप्सचिट्ज़ कॉन्स्टेंट का व्युत्पन्न, जो एक सिद्धांत आधारित, वैलिडेशन-फ्री स्टेप साइज चयन को सक्षम बनाता है जो कम्प्यूटेशनल रूप से कुशल और सैद्धांतिक रूप से पुख्ता है।
अनुभवजन्य सत्यापन (Empirical Validation): व्यापक प्रयोग जो दिखाते हैं कि PRiSM विविध बेसलाइन्स (Tip-Adapter, APE, GDA, ProKeR) के प्रदर्शन में महत्वपूर्ण सुधार करता है, विशेष रूप से गंभीर क्लास इम्बैलेंस और उच्च संख्या में क्लासेज वाले परिदृश्यों में।

प्रयोगात्मक परिणाम

प्रयोग 10 विविध इमेज क्लासिफिकेशन डेटासेट्स (जैसे, Oxford-Pets, EuroSAT, Food-101) पर CLIP के ViT-B/16 बैकबोन का उपयोग करके किए गए।

गंभीर असंतुलन (उच्च प्रभावी क्लासेज): गंभीर असैलेंस के तहत, बेसलाइन विधियाँ अक्सर शॉट्स की संख्या बढ़ने पर खराब प्रदर्शन करती हैं (जैसे, 2-शॉट से 16-शॉट पर जाने पर Tip-Adapter की सटीकता ~63% से गिरकर ~33% हो गई)। PRiSM ने इस ट्रेंड को उलट दिया, 16-शॉट सेटिंग में Tip-Adapter की औसत सटीकता में +35.05% और 4-शॉट सेटिंग में +23.22% का सुधार किया।
लगभग संतुलित स्थितियाँ: लगभग संतुलित स्थितियों में भी, PRiSM ने निरंतर लाभ प्रदान किया, जहाँ 16-शॉट सेटिंग में Tip-Adapter में +29.79% का सुधार हुआ।
कम प्रभावी क्लासेज: कम प्रभावी क्लासेज वाले रिजीम में भी, PRiSM ने महत्वपूर्ण सुधार दिए, विशेष रूप से कमजोर बेसलाइन्स के लिए, जो पुष्टि करता है कि प्रोटोटाइप बायस कम लेबल स्पेस के साथ भी बना रहता है।
तुलना: PRiSM ने सरल विधियों (जैसे, Tip-Adapter) को अधिक जटिल अत्याधुनिक विधियों (जैसे, ProKer) के प्रदर्शन स्तर तक पहुँचने में सक्षम बनाया, एक बार प्रोटोटाइप रेगुलराइज होने के बाद।
लर्निंग रेट विश्लेषण: प्रस्तावित लिप्सचिट्ज़-आधारित स्टेप साइज को विभिन्न डेटासेट्स में इष्टतम प्रदर्शन क्षेत्र के अनुरूप पाया गया, जिसने व्यापक हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के बिना इसके सैद्धांतिक व्युत्पन्न को मान्य किया।

महत्व और दावे

यह शोध पत्र दावा करता है कि फ्यू-शॉट VLM अडैप्टेशन में प्राथमिक बाधा आवश्यक रूप से अडैप्टेशन मैकेनिज्म नहीं है, बल्कि उपयोग किए जाने वाले क्लास प्रोटोटाइप की गुणवत्ता है, जो अक्सर इम्बैलेंस्ड डेटा द्वारा पक्षपाती (biased) होते हैं।

लेखक तर्क देते हैं कि:

प्रोटोटाइप बायस एक सामान्य विफलता मोड है: इम्बैलेंस-प्रेरित बायस विविध अडैप्टेशन विधियों में एक व्यवस्थित विफलता मोड के रूप में कार्य करता है। इस बायस को ठीक करने से विभिन्न दृष्टिकोणों के प्रदर्शन को व्यवस्थित रूप से बढ़ाया जा सकता है।
वैलिडेशन-फ्री अडैप्टेशन संभव है: एक सिद्धांत आधारित स्टेप साइज का उपयोग करके और एक मल्टी-टर्म लॉस का उपयोग करके जो अलाइनमेंट, फिडेलिटी और सेपरेशन को संतुलित करता है, PRiSM बिना किसी लेबल किए गए वैलिडेशन सेट तक पहुँच के अवास्तविक धारणा के प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
मूल्यांकन में यथार्थवाद: प्रस्तावित बेंचमार्क यह उजागर करता है कि वर्तमान अत्याधुनिक दावे अवास्तविक क्लास-बैलेंस्ड धारणाओं के कारण बढ़े हुए हो सकते हैं। लेखक अधिक मजबूत अडैप्टेशन तकनीकों को विकसित करने के लिए यथार्थवादी विषम वितरणों को दर्शाने वाले मूल्यांकन प्रोटोकॉल की वकालत करते हैं।

शोध पत्र निष्कर्ष निकालता है कि PRiSM एक सरल लेकिन प्रभावी सुधार प्रदान करता है जो प्रोटोटाइप ज्योमेट्री को रेगुलराइज करता है, सिमेंटिक फिडेलिटी को बनाए रखते हुए डोमिनेंट क्लासेज की ओर पतन (collapse) को रोकता है, जिससे चुनौतीपूर्ण फ्यू-शॉट रिजीम्स में मजबूती बढ़ती है।