RCPN：通过一致原型与邻域提升 CLIP 无监督适应的鲁棒伪标签生成

RCPN 框架通过整合原型一致性与邻域一致性生成更鲁棒的伪标签，在 11 个基准数据集上取得无监督 CLIP 适应性能 SOTA。 方法包含 PICS（基于类内紧凑性评估准确性）和 NALR（利用邻域语义相似性优化标签）模块，并结合自适应权重机制调整样本影响。 该方法在保持计算效率的同时，显著提升了复杂场景下伪标签的准确性，适用于零样本预测噪声大的无监督适应任务。