热点事件持续更新
阿里联合南洋理工评测多模态嵌入对比学习策略
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月14日，AGI Hunt 报道，阿里集团与南洋理工大学等机构在 MMEB 基准上，用统一基准系统评测多模态嵌入的对比训练策略。结果显示，多数现有策略相比标准对齐基线仅带来边际收益，部分策略甚至降低性能。研究提出 MLLM-as-a-Judge 诊断框架，将 top-1 检索错误拆解为标注正例、假阴性与难/易负例错误。报道称，将难负例挖掘、假阴性缓解与难批构建三者结合的组合策略，在 Qwen2-VL-2B 上平均提升 6.0%。目前事件进展止于此篇报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 20:17
研究显示多数对比学习技巧收益边际，三策略组合在 Qwen2-VL-2B 上提升 6.0%。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI Hunt阿里联合南洋理工系统评测对比学习策略：多数花式技巧收效甚微
阿里集团与南洋理工等在 MMEB 上用统一基准系统评测多模态嵌入的对比训练策略，发现多数现有策略相比标准对齐基线仅带来边际收益，部分甚至降低性能。研究提出 MLLM-as-a-Judge 诊断框架，将 top-1 检索错误拆解为标注正例、假阴性与难/易负例错误；难负例挖掘、假阴性缓解与难批构建三者结合的组合策略在 Qwen2-VL-2B 上平均提升 6.0%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 21:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。