研究用CLIP双编码器预测注视偏好

一项研究提出用现成的双模态 CLIP bi-encoder 预测视觉世界实验中的注视偏好，通过归因方法推导目标偏好，无需生成式架构、无需微调，也未被专门训练。 该方法在定性层面复现了一项经典英语视觉世界研究中体现人类预测性加工的眼动模式。研究由 Rahul Murali Shankar、Titus von der Malsburg、Sebastian Padó 提出并验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。