本文探讨了如何通过调整预训练的CLIP模型来优化视觉与语言任务的学习效果。研究提出了线性适配器和自注意适配器等方法，强调了参数保留的重要性，以提高模型在新任务中的适应性。实验结果表明，这些方法在小样本学习和长尾识别任务中显著提升了性能。

该研究提出了一种利用预训练视觉-语言模型进行进一步调整的方法，以适应新任务。通过在预训练的CLIP模型上增加附加层，实验证明最简单的解决方案获得了最佳结果。该方法显著改进了现有技术水平。