本研究提出了一种新的预训练策略GRAIN，旨在提升视觉语言模型在细粒度实体识别和未见概念的零-shot性能。通过对齐文本描述和图像表示，模型在识别新概念和其他任务中的检索性能显著提高。

本研究提出K-SAM算法，利用预训练的U-Net模型提升SAM在胸片肺部分割中的零-shot性能。研究结果表明，自动提示选择显著提高了肺部分割的准确性，平均Dice分数达到95.5%。