Este artículo propone el marco ChordPrompt, que mejora la adaptabilidad de modelos de visión y lenguaje preentrenados en entornos de aprendizaje continuo (AC). Para superar las limitaciones de los métodos de aprendizaje por indicaciones existentes, que se centran en el aprendizaje incremental específico de cada clase y utilizan indicaciones monomodales, ChordPrompt introduce indicaciones intermodales que aprovechan la interacción entre indicaciones visuales y textuales, así como indicaciones de texto adaptativas al dominio para la adaptación continua en múltiples dominios. Los resultados experimentales en pruebas de referencia de aprendizaje incremental multidominio muestran que ChordPrompt supera a los métodos más avanzados en generalización de disparo cero y rendimiento en subtareas.
