本文提出了一种领域感知提示学习（DAP）框架，通过低成本提示调整，提升视觉语言模型在无监督域自适应中的性能。实验结果表明，DAP在R2R和REVERIE任务上优于现有方法，并通过提示调试和特征库构建增强了模型的适应性和泛化能力。

我们提出了一种两步领域感知的交叉关注方法，能够从源领域的不同粒度中提取可迁移的特征，简化了训练流程，适合新领域的快速部署。通过实验证明了方法的有效性，并在在线广告系统中部署了模型，观察到了单击率和有效千次展示费用的显著改善。