本文探讨了视觉-语言模型（VLMs）在少样本适应中的最新进展，特别是低秩适应（LoRA）和其他新方法的引入，显著提升了模型性能。研究强调样本选择策略的重要性，提出了代表性和高斯蒙特卡洛两种创新选择方法，显示出在少样本训练中优于传统随机选择。