本文提出了测试时提示调整（TPT）方法，通过实时学习适应性提示，优化CLIP模型的预测准确性和泛化能力。实验结果表明，TPT在零样本准确率上提高了3.6%，并达到了先进方法的性能水平。此外，研究探讨了多种自适应技术，解决了领域漂移和分布变化问题，显著提升了视觉识别任务的效果。