深度分析 HiLo、HLPrompt 與 VLPrompt：以基座模型應對領域轉移下的廣義類別發現（GCD） 面對未標註資料同時存在語義與領域變化，本研究提出三套以基座模型為核心的方法：HiLo藉由多層特徵分離語義與領域；HLPrompt在前景區域進行語意感知提示調校；VLPrompt則結合視覺語言模型與跨模態一致性。實驗顯示在合成失真與真實多域資料上均獲穩定提升。並有助於在無標註新域中發現細粒度類別差異。
