#CLIP

微调 VLM 的朋友看这个：不同能力峰值时间不同，挑 checkpoint 的标准可能让你丢掉可迁移能力，SSR 方法能改善 name-free 检索。

把 CLIP 接进 PPO-Lagrangian 做安全强化学习，MetaDrive Hard 上事故率降了 12 个点，但作者自己发现信号并不能预判碰撞，分析很实在。

decoded脑电信号的新思路：同时用音频和文本两个锚点对齐，比单锚点方法更稳，做脑机接口的可以看看。

这篇论文分享了一个具体的方法，用CLIP模型和SVM来分类阿联酋的建筑风格，准确率很高，对做相关研究的人可能有参考价值。

新方法结合YOLO和CLIP，无需光流和独立姿态估计器，实时检测异常行为，速度提升3倍多。

CLIP这类模型认画风还是认画家？这篇论文用“艺术家分离”测试发现，超现实主义识别会掉20个点。搞艺术分类的值得看。

红外视觉模型能被QR码图案定向误导？论文提出QR-STT，黑盒无需训练，改分类还影响问答，AI安全党可以看看。

想自动给论文图表打分？SciFigAlign比顶级大模型裁判准59%，还能区分同论文哪张图更好——审稿人能省大事。

这篇论文用最优传输做分布对齐来对抗扰动，不用改模型结构，挺实用的思路。

这篇论文教你怎么自动筛选高质量训练数据，用CLIP自己迭代过滤，效果比手动搞还好，还不用额外数据。

这篇论文提出了CCPL，用概念原型约束提示学习，在DTD和EuroSAT上比CoOp有稳定提升，值得少样本CLIP调优的读者看看。

这篇论文搞了个CrossMaps，让漫游车能用自然语言查地图，比VLMaps多了置信度融合和双记忆，在Jetson Orin上实时跑

CLIP用户常遇到图文检索不准的痛点，TEVI用稀疏自编码器精准对齐嵌入，做多模态检索或视觉问答的团队可以直接参考其方法改进模型。

做持续学习或CLIP微调的团队，AREA把增量遗忘的根因拆解为属性提取与聚合两个环节，并给出了可落地的解耦方案，值得看看代码和实验细节。

该研究首次将LLVM迁移至SAR图像分析，并基于MSTAR数据集建立带标注的ATR基准，为多模态模型在遥感军事应用中的落地提供了可复现的方法论与评估框架。