该文综述图像描述生成研究，涵盖视觉探测器、多模态相似模型、上下文感知统一视觉语言模型及预训练技术；提出ViCE视觉概念评估、ViECap实体感知解码、EXTRA检索增强生成、视觉语义量化beam search后处理等方法，并探索大模型外部记忆检索、CLAIR零样本评估及文本视觉背景数据集，以提升跨域与语义准确性。

该文综述生物医学自然语言处理进展：指令调优通用大模型可媲美BioBERT；领域预训练优于持续预训练；发布BioInstruct数据集微调LLaMA；研究微调稳定性；在26个数据集6项任务上评估大模型，零样本可超专用模型，但无单一模型全面领先，仍具潜力。

该文综述CLIP在持续学习中的表现：冻结模型的零样本评估在类增量、域增量等五类基准上多优于现有方法，且简单提示模板即可影响性能。后续研究提出多级交互训练轻量CLIP、跨语言参数高效迁移、NLLB-CLIP多语言图像检索、CLIP-benchmark评估、适配器与提示调整、LaCLIP语言重写、CLIPTrans跨模态对齐及VT-CLIP视觉引导文本等方法。