多模态复杂度并非万能：大规模实验挑战复杂架构优于单模态的假设

一项覆盖 9 个数据集和 19 种多模态方法的大规模实证研究指出，增加多模态复杂度常导致混淆而非有效融合。 在标准化实验条件下，复杂多模态架构无法稳定跑赢单模态基线及 SimBaMM，甚至顶级文献中仍存在方法论缺陷。 作者主张多模态学习应重点关注方法论严谨性，而非追求架构创新。