概念good views / 好视角训练目标
好视角
一种文本模型训练目标，通过让文本编码器区分同一图像的不同描述（正样本对）来学习对齐图像空间，相比下一词预测更高效地实现跨模态对齐。
时间轴 (近 90 天)
11月2日
在相同学习速度下取 3 个随机种子的平均值，好视角（同一张照片的两条不同描述）达到 0.320，坏视角（单条描述、遮蔽部分词）为 0.192，下一词预测为 0.148。
待验证50%
11月2日
作者对每种方法做了小幅学习率搜索，取最佳速度、单种子运行，结果为 0.328 / 0.196 / 0.168，排序不变，说明领先并非学习率调参的偶然产物。
待验证50%
11月2日
检索指标 R@1（配合一个拟合旋转）显示差距收窄：好视角 0.084，坏视角 0.063，下一词预测 0.057。
待验证50%