提出Prior-Fitted Scorer多模态对比学习评分器

2026年10月15日，arXiv Artificial Intelligence 刊出 Tillmann Rheude 等作者的研究，提出并研究 Prior-Fitted Scorer（PFS）多模态对比学习评分器。该工作针对多模态对比学习通常依赖余弦相似度等手工评分函数的问题，改用 Transformer 作为评分器。据该来源称，随机初始化并保持冻结的模型即可超越强手工基线，而与编码器联合优化反而效果更差。作者进一步引入 PFS：一种先在由结构因果模型（SCM）先验生成的合成多模态数据上预训练、再迁移到真实数据的 Transformer 评分器。上述结论均来自该篇报道，尚无其他跟进报道可交叉印证。

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。