توصلت الدراسة إلى أن نماذج لغة الرؤية تصل إلى سقف فئة النموذج في عملية تكيف قليلة
تشير دراسة arXiv جديدة إلى أن ضبط المزج بين النماذج الأولية للنصوص والصور ليس هو الحد الرئيسي لدقة نماذج لغة الرؤية ذات اللقطات القليلة. في التجارب التي امتدت على 4800 خلية تقييم، تفوقت المجسات الخطية الخالية من التحقق من الصحة حتى على مزيج تم اختياره باستخدام معلومات مجموعة الاختبار.