本研究分析了基于知识的视觉问答，发现结合任务特定模型、预训练语言模型和外部知识检索模型可以取得良好效果。预训练语言模型在1跳推理方面较强，但在2跳推理方面不如精调的神经网络模型。预训练语言模型在与知识库相关的问题上优于神经网络模型，但不能代替对外部知识的需求。

我们提出了一种简单有效的方法，仅对线性层进行微调，从而显著提高了权重解缠性能。通过区分表示模型和任务特定模型的作用，我们对任务算法进行了综合研究，揭示了任务算法的基本机制，并提供了一种更可靠和有效的预训练模型编辑方法。

本研究分析了基于知识的视觉问答，发现结合任务特定模型、预训练语言模型和外部知识检索模型可以取得良好效果。预训练语言模型在1跳推理方面较强，但在2跳推理方面不如精调的神经网络模型。预训练语言模型在与知识库相关的问题上优于神经网络模型，但不能代替对外部知识的需求。

本研究分析了基于知识的视觉问答，发现结合任务特定模型、预训练语言模型和显式的外部和视觉知识检索模型效果良好。预训练语言模型在1跳推理方面较强，但在2跳推理方面不如精调的神经网络模型。预训练语言模型在与知识库相关的问题上优于神经网络模型，但不能代替对外部知识的需求。