待验证50% 置信事实精确时间
多模态对比模型（如CLIP和CLAP）的嵌入空间存在模态鸿沟，图像和文本的嵌入向量在单位球上各据一方，难以对齐。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
已验证扩散模型在生成图像时本质上是在高维潜空间（Latent Space）中进行去噪采样，缺乏多角度约束时同一角色在不同帧中的特征易产生语义漂移70% 相似待验证嵌入模型把文字、语音、图片等不同内容压缩成固定长度的数值向量，含义相近的内容其向量在高维空间中的距离更近68% 相似待验证模态鸿沟是实证发现：训练后的图像嵌入与文本嵌入分别聚集在单位球的两个窄锥内，两个质心之间存在稳定夹角。68% 相似待验证「穿模」指两个本应分离的物体在空间上相互穿透、重叠，暴露的是模型对物体空间位置和物理约束的理解不足。68% 相似待验证语义碰撞是指多个工具的描述在嵌入空间中彼此接近，导致模型难以仅凭描述稳定区分它们。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098265API
curl https://kongchang.com/api/v1/knowledge/claims/1098265MCP
get_claim(id=1098265)