本项目收录了关于计算机视觉和多模态领域的高效参数迁移学习的优秀论文。参数高效迁移学习通过修改尽可能少的参数，使得大规模预训练模型能够更好地适应各种下游任务，降低全微调带来的过拟合风险和高成本。内容包括Prompt、Adapter和Unified等方法的研究论文，是学术研究与应用开发的理想参考资源。

本项目汇集了大型预训练神经网络适配器方法的关键工具和论文。涵盖自然语言处理、计算机视觉和音频处理领域的适配器技术，包括方法、组合技术、分析评估和应用。提供框架工具链接和详细调查研究，是研究人员和从业者的重要参考资源。