提出了一种用于多模态、多任务迁移学习的新型参数高效调参方法（PEFT）框架，通过LoRA、BitFit和IA3等技术，在几乎不需要可训练参数和GPU内存的情况下，展示了与预训练模型完全微调相当的性能。Context-PEFT解决了多模态微调中的架构修改问题，根据令牌的领域学习不同的适配器参数组，实现了类似LoRA的权重注入。在COCO字幕任务上评估，优于完全微调，并提供了更高的参数效率和计算经济性的解决方案。

提出了一种新型参数高效调参方法（PEFT）框架，用于多模态、多任务迁移学习。通过LoRA、BitFit和IA3等技术，在几乎不需要可训练参数和GPU内存的情况下，展示了与预训练模型完全微调相当的性能。提出了Context-PEFT，根据令牌的领域学习不同的适配器参数组，实现类似LoRA的权重注入，无需额外的架构修改。在COCO字幕任务上评估，优于完全微调，并提供更高的参数效率和计算经济性的解决方案。