本文介绍了一种软提示学习方法，用于Vision & Language模型，通过最小化软提示与手工工程提示之间的距离，提高模型性能，并能够训练虚拟类。该方法优于先前的软提示工作，并在大多数测试数据集上匹配和超越手工制作提示和CLIP的新类准确性。