Cet article propose le framework ChordPrompt, qui améliore l'adaptabilité des modèles vision-langage pré-entraînés dans les environnements d'apprentissage continu (AC). Pour surmonter les limites des méthodes d'apprentissage par invites existantes, axées sur l'apprentissage incrémental spécifique à chaque classe et utilisant des invites monomodales, ChordPrompt introduit des invites intermodales exploitant l'interaction entre invites visuelles et textuelles, ainsi que des invites textuelles adaptatives au domaine pour une adaptation continue dans plusieurs domaines. Les résultats expérimentaux obtenus sur des tests d'apprentissage incrémental multi-domaines montrent que ChordPrompt surpasse les méthodes de pointe en termes de généralisation sans apprentissage et de performances en sous-tâches.
