본 논문은 AI 기반 교육에서 추상적인 텍스트 설명을 해석하기 위한 다양한 질의 스타일을 활용하는 것이 중요함을 강조하며, 기존의 자연어-이미지 검색 모델이 교육적 상황에 적합하지 않다는 문제점을 지적합니다. 이에 따라, 다양한 질의 스타일과 표현을 기반으로 검색을 지원하는 교육적 상황에 맞춘 다양한 표현 검색 작업을 제안합니다. 24,000개 이상의 다양한 스타일의 질의 쌍을 포함하는 STEM 교육 검색 데이터셋(SER)과 프롬프트 튜닝 기반의 효율적이고 스타일이 다양한 검색 비전-언어 모델인 Uni-Retrieval을 소개합니다. Uni-Retrieval은 질의 스타일 특징을 프로토타입으로 추출하고 다양한 질의에 대한 프롬프트 토큰을 포함하는 지속적으로 업데이트되는 프롬프트 뱅크를 구축합니다. 프로토타입 유사성에 기반하여 프롬프트 토큰을 동적으로 검색하여 확장성과 강건성을 보여주며, 알려지지 않은 질의에 대한 학습을 효과적으로 지원합니다. 실험 결과, Uni-Retrieval이 기존 검색 모델보다 대부분의 검색 작업에서 성능이 우수함을 보여줍니다.