让大模型学会“高维找茬”，中国联通新研究解决长文本图像检索痛点｜AAAI 2026 Oral

中国联通研究院团队在AAAI 2026发表HiMo-CLIP，提出一种即插即用框架，通过HiDe模块动态提取文本中最具区分度的语义特征，并结合MoLo损失函数实现语义单调性约束。该方法在不改变编码器结构的前提下，解决了长文本描述越详细、匹配分数反降的问题，在长、短文本图像检索任务中均达到SOTA水平。仅用100万训练数据即超越依赖上亿数据的模型，且在自建数据集HiMo-Docci上实现0.88的高单调性相关系数，显著提升多模态对齐的合理性与数据效率。
来源：https://mp.weixin.qq.com/s/M6yEgQA-iprEPS4LRX5xBg