1.一种基于小样本提示学习的异常检测方法，其特征是，通过对样本进行随机裁剪以及划分，构造出分布内数据和分布外数据，将分布外数据作为异常数据，并利用预训练的视觉语言模型，学习异常数据的提示，进而帮助视觉语言模型识别出困难的分布外样本。
2.如权利要求1所述的基于小样本提示学习的异常检测方法，其特征是，具体步骤如下：
3.如权利要求2所述的基于小样本提示学习的异常检测方法，其特征是，具体地为乳腺x射线照片数据集，相应的x表示为一组乳腺的x射线图像数据，其中包含正常的病例和已知的乳腺癌病例，y表示为每个图像对应的类别名称，比如正常或异常，通过前述步骤获得测试影像相对于不同提示的相似度得分其中表示的是测试影响与已知的不同类型的乳腺影像的相似度得分，用来分类；
4.如权利要求2所述的基于小样本提示学习的异常检测方法，其特征是，对于自动驾驶系统的训练数据相应的x表示为一组路况的图像数据，y表示为每个图像对应的类别名称，包括城市、高速公路和乡村道路的各种驾驶情境，以及各种天气条件，通过前文所提到的训练方法训练模型，在测试时获得一个测试场景相对于不同提示的相似度得分，其中表示的是测试样本与已知的道路情况相似度得分，通过相似度得分进行分类。表示的是测试样本是未知道路情况的得分。