本文研究了使用预训练语言模型（PLMs）进行视觉语言推理的动态视觉提示（DVP）方法，提出了细粒度视觉提示（FGVP）和可转移视觉提示（TVP）方法，通过优化提示设计和训练策略，显著提升了多模态大语言模型在下游任务中的表现。

本研究提出了多模态漫画补充任务，设计了基于大规模语言模型的方法 MCoT，建立了包含两种语言的 M2C 基准数据集。同时，提出了基线方法 FVP-M^2，通过细粒度的视觉提示来支持漫画补充任务。实验结果表明 FVP-M^2 方法在多模态漫画补充任务中有效。