热点事件持续更新
视觉信号作为原生多模态预训练锚点
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15日，arXiv cs.CL 刊出研究《不止于看：视觉信号作为原生多模态预训练的可扩展锚点》。该研究以消融方式考察视觉内容本身的作用：在原生多模态预训练中把图像 embedding 替换为无内容的 padding token embedding，再与正常保留视觉内容的训练对比。结果显示，保留视觉内容可提升图文样本上的文本预测，相对多模态损失的收益随算力近似呈幂律增长；但未实质改变固定算力下的纯文本最低损失与语言评测总分。在最大规模模型的训练中，视觉增益在定位、导航与符号规划任务上最持久，而在空间关系、几何与物理常识上的增益较不一致。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
该 arXiv 论文显示视觉内容可提升图文文本预测，增益随算力呈幂律增长，但不改变纯文本最低损失。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CL不止于看：视觉信号作为原生多模态预训练的可扩展锚点
原生多模态预训练研究通过将图像 embedding 替换为无内容 padding token embedding 做消融：保留视觉内容可提升图文样本上的文本预测，相对多模态损失收益随算力近似呈幂律增长，但未实质改变固定算力下的纯文本最低损失与语言评测总分。在最大模型训练中，视觉增益在定位、导航与符号规划上最持久，空间关系、几何和物理常识的增益较不一致。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·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。