أصبح تجميد الهيكل الأساسي المُدرّب مسبقًا معيارًا شائعًا لتجنب التعلّم الزائد في التجزئة القليلة العينات. في هذه الورقة، نعيد التفكير في هذا المفهوم ونستكشف نمطًا جديدًا: تَعديل المعلمات الصغيرة جزئيًا في الهيكل الأساسي. نقدم حلًا يتجاوز مشكلة التعلّم الزائد، مما يؤدي إلى تحسين عامّة النموذج في تعلّم الفئات الجديدة. يُحلل منهجنا معلمات الهيكل الأساسي إلى ثلاث مصفوفات متتالية باستخدام التحليل القيمي الفردي (SVD)، ثم نُعدِّل فقط القيم الفردية، مع الحفاظ على باقي المعلمات مجمدة. يسمح هذا التصميم للنموذج بتعديل تمثيلات الميزات في الفئات الجديدة مع الحفاظ على المؤشرات الدلالية داخل الهيكل الأساسي المُدرّب مسبقًا. نُقيّم منهجنا المُسمى "تعديل القيم الفردية (SVF)" على عدة طرق للتجزئة القليلة العينات باستخدام هياكل أساسية مختلفة. ونحقق نتائج متقدمة على مستوى الحالة الراهنة (SOTA) على كلا المجموعتين Pascal-5$^i$i وCOCO-20$^i$i في بيئات 1-shot و5-shot. نأمل أن يُشجع هذا الأساس البسيط الباحثين على إعادة التفكير في دور تعديل الهيكل الأساسي في السياقات القليلة العينات. سيتم إتاحة الشفرة المصدرية والنموذج على الرابط: https://github.com/syp2ysy/SVF.