视觉-语言投影层无需配对数据即可训练

早先 Dominik Schnaus 的工作已证明视觉与语言嵌入空间能够在无配对数据下对齐。2026 年 10 月 15 日，研究者 bennokrojer 分享的新论文把这一思路推进到投影层层面：从视觉 token 到 LLM 输入空间的投影层（projector）同样可以在无配对数据（unpaired）的情况下训练。报道将这一 PRH 方向的进展视为多模态大模型训练范式的有意思变化；报道中未披露该论文的具体方法、实验规模等更多细节。

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。