让大模型学会“高维找茬”，中国联通新研究解决长文本图像检索痛点｜AAAI 2026 Oral

中国联通团队提出HiMo-CLIP框架，通过建模“语义层级”与“语义单调性”，解决了长文本图像检索中的痛点。该框架在不改变编码器结构的前提下，自动捕捉当前语境下的‘语义差异点’，显著提升了多模态模型的对齐精度，同时保持了短文本性能。这一创新不仅提高了检索精度，还使多模态理解更加符合人类认知逻辑，为未来复杂任务指明方向。