大规模实验揭示多模态复杂架构缺陷

2026年11月2日，arXiv发布了一项由Tillmann Rheude等人主导的大规模实证研究。该研究重新实现了19种高影响力多模态方法，并在9个包含多达23种模态的数据集上进行标准化测试。 实验在包含超参数调优、权重初始化及交叉验证的标准条件下进行。结果显示，增加多模态复杂度往往导致数据混淆而非有效融合，复杂架构无法稳定超越单模态基线及SimBaMM模型。 研究指出顶级文献中仍存在方法论缺陷，主张多模态学习应优先关注方法论严谨性，而非盲目追求架构创新。这一发现直接挑战了复杂架构优于单模态的传统假设。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。