本文研究使用预训练语言模型（PLMs）进行视觉语言推理任务，提出了Dynamic Visual Prompting（DVP）转移学习方法，能有效结合不同的视觉语言任务。DVP在效率和性能方面具有优势，并能适应预训练语言模型与VL任务的需求。

本文研究使用预训练语言模型（PLMs）进行视觉语言推理任务，并提出了Dynamic Visual Prompting（DVP）方法。DVP通过搜索算法将PLMs与不同的视觉语言任务相结合，实验证明DVP在效率和性能方面具有优势，并能适应预训练语言模型与VL任务相结合的需求。

本文介绍了一种名为Dynamic Visual Prompting（DVP）的新型转移学习方法，将预训练语言模型（PLMs）与不同的视觉语言任务相结合。DVP在效率和性能方面都具有优势，并且能够很好地适应预训练语言模型与VL任务相结合的需求。