近年来，人工智能领域在多模态学习方面取得了显著进展，相关模型能够理解和关联图像与文本等不同数据类型的信息。OpenAI 的 CLIP（对比语言 - 图像预训练）和 Google 的 SigLIP（语言 - 图像预训练的 Sigmoid 损失函数）是其中最具影响力的成果。 这些模型革新了 ...