标签
本文对多视图图-文本对齐进行了一项受控研究，利用分子数据集（BBBP、BACE）上的因果扰乱测试来确定显式视图路由何时真正有效。正确路由可提升标签和属性nDCG，但证据仅限于显式外部接地路由，并不能确立自由形式路由或一致的三视图专业化。
本文提出了一项对照研究，比较了仅注意力Transformer（简单注意力网络，SANs）与在参数、计算量和深度上匹配的标准Transformer。研究发现，当将释放的容量重新分配给注意力深度时，移除前馈层在很大程度上缩小了性能差距，剩余差距归因于参数回忆。
本文介绍了移动字母（Moving Alphabet），一个用于受控实验的程序化测试平台，研究数据分布和字幕质量如何影响文本到视频模型，揭示了数据整理的关键见解。
Echo-Memory 对动作条件世界模型中的记忆机制进行了受控研究，揭示了记忆结构和容量对开放域返回性能的影响显著超越回放保真度。该研究引入了一个匹配评估协议，并发现原始上下文和状态空间递归是强大的机制。
本文通过受控的多种子实验，检验根据输入难度调整冻结句子嵌入是否有助于提升性能。研究发现，逐句复杂度调节无效，而通过交叉编码器难度信号门控的句子对级别残差在语义相似度任务上带来了一致的提升。