<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>LIFT模型 on AI内参</title>
    <link>https://www.neican.ai/tags/lift%E6%A8%A1%E5%9E%8B/</link>
    <description>Recent content in LIFT模型 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 02 Jul 2025 20:40:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/lift%E6%A8%A1%E5%9E%8B/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>超越CLIP：大语言模型如何重塑文本-视觉对齐的深层机制</title>
      <link>https://www.neican.ai/insights/clip--20250702204004811-3/</link>
      <pubDate>Wed, 02 Jul 2025 20:40:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/clip--20250702204004811-3/</guid>
      <description>UC伯克利和香港大学的LIFT研究，通过利用冻结大语言模型（LLM）作为文本编码器，揭示了LLM在提升多模态模型组合语义理解和处理合成长文本方面的独特优势。该研究不仅提出了简化训练范式以提高资源效率，也为未来多模态AI在语义深度耦合和实际应用中的发展提供了重要思路和方法。</description>
    </item>
  </channel>
</rss>
