通过测试任务训练，研究了大型语言模型评估中的问题，发现训练会混淆模型评估和新出现能力的声明。提出了一种有效的调整方法，减少了新出现行为的实例。该研究对大型语言模型的评估和新出现能力具有广泛影响。

本文介绍了一种利用预训练视觉-语言模型进行进一步调整的方法，使其能够适应新任务而不仅仅是零样本学习。通过在预训练的CLIP模型上增加附加层，并对线性适配器、自注意适配器以及修改CLIP文本编码器输入的提示调整进行研究，实验证明最简单的解决方案获得了最佳结果。这种方法显著改进了现有技术水平。