研究发现，传统机器人系统在新环境和任务中的适应性问题。通过示范微调RT-1-X模型，机器人能够学习提取任务，但知识转移仅限于技能而非对象特定知识。同时，研究还探索了使用多样化数据集进行训练以提高机器人在未见过的领域和任务中的成功率。

本文研究了医疗保健领域中大型多模态模型（LMMs）的适应性问题，并提出了上下文学习（ICL）作为解决方案。通过无监督的ICL方法和基于类别条件对比不变性（CCI）的InvariantSelectPR方法，改进了LMMs的适应能力，提高了性能。