机器学习模型在自然语言处理和计算机视觉领域取得了革命性进展，但研究人员发现这些模型可能存在社会偏见，导致不公平代表。最近的研究关注预训练视觉语言模型中的社会偏见，本调查提供了关于该领域的见解和减轻偏见的指导。结果和建议有助于开发更公平和无偏的人工智能模型。

本文研究了预训练视觉语言模型在医学图像领域的知识传递能力，发现医学提示语是调用预训练模型知识的关键。通过共享的表达属性提示，可改进泛化能力，提高对新对象的识别。通过三种方法自动生成医学提示，注入专家级知识和图像特定信息，提高零样本性能。微调模型超过了受监督的模型。

本研究探讨了预训练视觉语言模型在医学图像领域的知识传递能力，发现医学提示语的合理设计是调用预训练模型知识的关键。通过共享表达属性提示，可实现知识跨越领域，改进泛化能力。通过三种自动生成医学提示的方法，可以注入专家级知识和图像特定信息，提高零样本性能。微调模型超过了受监督的模型。