大規模事前学習のVision-Language Models（VLMs）で高い性能を得られた一方、最適のテキスト情報がHuman-Craftedの方が多い。また、異なる下流タスクで改めてPromptsを設計する必要な可能性がある。ここで、自動的にVLMsタスクのPromptsを学習可能にした。提案手法では、入力ではなく出力のEmbeddingsからPromptsを学習する。