研究人员重新评估了CLIP类模型因侧重于语言-图像对齐而非图像-图像对齐，导致在仅图像任务中产生次优图像嵌入的理论。他们的发现表明，观察到的性能差异并非源于模态内错位，而是源于任务歧义。实验表明，使用语言-图像目标训练的模型与仅在图像上训练的模型在模态内任务上产生相似的结果，这挑战了最初的假说。 AI
影响 挑战了关于对比语言-图像预训练局限性的一种普遍假设，可能影响未来的模型开发和评估策略。
排序理由 这是一篇发表在arXiv上的研究论文，重新评估了关于模型性能的一个假说。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →