本文总结了三种类型的视觉-语言模型的提示工程的前沿研究，包括多模式到文本生成模型、图像-文本匹配模型和文本-图像生成模型。文章讨论了模型概要、提示方法、应用、责任和完整性问题，并总结了挑战、未来方向和研究机会。