模型SigLIP
SigLIP-Base
基于图文对比学习的视觉-语言基础模型，将图像和文本映射到同一嵌入空间，支持零样本图像分类，参数量与计算量较大
时间轴 (近 90 天)
10月25日
Pasma 的对比是部署对比（deployment comparison），不是等训练量的消融实验，因为 Pasma 是任务微调并蒸馏的结果，而 SigLIP-Base 保持零样本状态。
待验证50%
10月25日
在 1,103 张留出的真实照片合并集上，Pasma-Small 的服装类型 Top-1 准确率为 89.12%，SigLIP-Base 零样本为 80.24%。
待验证50%
10月25日
在仅包含 249 张家居/目录图片的子集上，Pasma 的 Top-1 准确率为 83.53%，SigLIP-Base 为 87.15%，排名反转。
待验证50%
10月25日
SigLIP-Base 属于视觉-语言对比学习模型，通过大规模图文对训练，将图像和文本映射到同一嵌入空间，零样本推理时用文本描述与图像匹配实现分类。
待验证50%
全部知识事实 (4)
待验证
Pasma 的对比是部署对比（deployment comparison），不是等训练量的消融实验，因为 Pasma 是任务微调并蒸馏的结果，而 SigLIP-Base 保持零样本状态。
50%待验证在 1,103 张留出的真实照片合并集上，Pasma-Small 的服装类型 Top-1 准确率为 89.12%，SigLIP-Base 零样本为 80.24%。
50%待验证在仅包含 249 张家居/目录图片的子集上，Pasma 的 Top-1 准确率为 83.53%，SigLIP-Base 为 87.15%，排名反转。
50%待验证SigLIP-Base 属于视觉-语言对比学习模型，通过大规模图文对训练，将图像和文本映射到同一嵌入空间，零样本推理时用文本描述与图像匹配实现分类。
50%