研究者提出RoSA显著性感知微调框架

2026年10月23日，arXiv Artificial Intelligence 刊出研究者 Qiuyu Kong 等人的工作，提出显著性感知微调框架 RoSA，用于长文本图文对齐。报道称，该框架针对模型过度依赖视觉显著文本、忽视非显著上下文所造成的“显著性坍缩”问题，将图文对分解为显著视图与上下文视图并联合学习；具体做法是采用与模态无关的分解策略，结合物体级视觉显著性估计和基于 LLM 的文本分解，并借助辅助目标显式对齐两种视图。报道还称，RoSA 显著提升长文本检索表现，对显著性坍缩展现出强鲁棒性，其辅助目标可即插即用，代码与 checkpoint 已公开。上述效果与可用性均为该报道的说法，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。