多模态嵌入对比训练策略受控研究

2026年10月14日，arXiv Computer Vision 刊出 Duo Li 等作者的论文，报告一项关于多模态嵌入对比训练策略的受控研究。研究在统一基准 MMEB 上系统评估负样本选择、批次构建与梯度调制等代表性对比学习策略，发现多数策略相比标准对齐基线仅有边际收益，部分甚至拖累整体性能。团队同时提出 MLLM-as-a-Judge 诊断框架，将 top-1 检索行为拆解为标注正例、假阴性（未标注的有效匹配）与难/易负例错误，并总结出梯度失真、分布幻觉与协同训练三点结论。截至该报道，事件进展为论文发布与上述结论公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。