CIM-Embed：指令条件多模态聚类嵌入论文发布

论文作者公开 CIM-Embed 论文，提出通过监督对比学习训练可同时接收图像、文本和指令的多模态嵌入，推理时配合 HDBSCAN 直接聚类，无需预先知道真实簇数。 作者还基于 Amazon Reviews 2023 产品元数据构建 ProductMIC 训练数据与评测基准，含 5,373 件产品和 449 个单属性及组合分组任务，覆盖训练时排除的 50 个叶子类目。论文摘要称，在全维嵌入加 HDBSCAN 下，任务内 SupCon 训练的每任务平均 V-measure 达 95.01，而所评测的最强通用嵌入基线 WeMM 9B 为 53.06。代码和数据集承诺在论文录用后发布，尚属论文自报结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。