本文介绍了一种视觉与语言参数高效调整（VL-PET）框架，用于在预训练语言模型中整合模块化修改。该框架通过粒度控制机制实例化多种与模型无关的VL-PET模块，提高效率和效果。实验证明，VL-PET框架在图像-文本任务上相比现有技术有显著性能提升。

本文介绍了视觉与语言参数高效调整（VL-PET）框架，通过粒度控制机制对模块化修改进行控制。实验证明，VL-PET在图像-文本任务上优于VL-Adapter和LoRA。采用VL-PET设计还可以增强现有PET技术的效果。