يُعتبر التعلم غير المشرف "التعلم غير المنظور" مادة الظل للذكاء البشري. بهدف بناء نماذج في هذا الاتجاه، تركز هذه الورقة على التعلم غير المشرف من كميات كبيرة من البيانات غير المصنفة، تليها عمليات تعديل دقيقة باستخدام قليل من الأمثلة في مهمة تصنيف لاحقة. لتحقيق هذا الهدف، نوسع دراسة حديثة حول استخدام التعلم التضادي للتدريب الذاتي المسبق من خلال دمج وعي المستوى الفئوي عبر التجميع المتكرر وإعادة الترتيب، وكذلك توسيع دالة الخسارة للتضبيب لتتضمن ذلك. حسب علمنا، فإن تجاربنا في السيناريوهات القياسية والمتعددة المجالات تظهر أننا قد أنشأنا حالة جديدة رائدة (SoTA) في إعدادات (5 طرق، 1 و5 أمثلة) للمعيار القياسي mini-ImageNet وكذلك إعدادات (5 طرق، 5 و20 مثالاً) للمعيار CDFSL متعدد المجالات. يمكن العثور على شفرتنا البرمجية وتجاربنا في مستودع GitHub الخاص بنا: https://github.com/ojss/c3lr.