本文介绍了多种参数高效微调（PEFT）方法，如Poly-mu、Poly-S和VL-PET，旨在提升视觉与语言模型的性能。这些方法在多个任务中表现优异，尤其是在参数较少的情况下，显著提高了效率和效果。通过技术手段如LoRA和低秩权重更新，PEFT方法在多模态学习中展现出良好的适应性和性能。