تعمل العديد من الدراسات البحثية المتعلقة بتعلم القليل من الأمثلة (Few-Shot Learning) على مرحلتين: التدريب المسبق للنموذج الأساسي، ثم التكيّف مع النموذج الجديد. في هذه الورقة، نقترح استخدام نموذج تعلم مغلق الشكل (closed-form base learner)، والذي يُحدِّد مرحلة التكيّف من خلال النموذج الأساسي المُدرَّب مسبقًا، بهدف الحصول على نموذج جديد يمتلك قدرة تعميم أفضل. وتدعم التحليلات النظرية هذه المنهجية، كما تُشير إلى كيفية تدريب نموذج أساسي يتمتع بقدرة تعميم عالية. ثم قمنا بإجراء تجارب على أربع معايير معيارية، وحققنا أداءً يُعدّ الأفضل في جميع الحالات. وبشكل لافت، تحققنا بدقة بلغت 87.75% على مجموعة بيانات miniImageNet بحالة 5-shot، وهي دقة تفوق الطرق الحالية تقريبًا بنسبة 10%.