本研究探索了预训练的视觉语言模型（VLM）和大型语言模型（LLM）在视觉常识推理中的协同能力。通过名为ViCor的协作方法，LLM主动引导VLM集中关注和收集相关的视觉元素，支持潜在的常识推断。该方法在两个VCR基准数据集上表现优越。

本研究探索了预训练的视觉语言模型（VLM）和大型语言模型（LLM）在视觉常识推理中的协同能力。通过名为ViCor的协作方法，LLM主动引导VLM集中关注和收集相关的视觉元素，支持潜在的常识推断。该方法在两个VCR基准数据集上取得了优越表现。

CLIP-TD是一种自适应选择标记的蒸馏方法，适用于视觉-语言任务。在低量数据和领域迁移条件下，CLIP-TD在视觉常识推理、视觉蕴涵推理和视觉问答任务上获得了最先进的性能。

本研究提出了一种名为CLIP-TD的方法，通过有针对性的蒸馏来适应每个实例的自适应选择标记。实验证明，CLIP-TD在视觉常识推理、视觉蕴涵推理和视觉问答等任务中，在低量数据和领域迁移条件下取得了显著的增益，并达到了最先进的性能。