siglip

介绍了VectraYX-Vision-1B，这是一个面向西班牙语/拉丁美洲网络安全的亚20亿参数视觉语言模型，通过MLP将冻结的SigLIP编码器与西班牙语解码器耦合；然而，尽管流水线功能完全正常，它却报告了近乎为零的视觉基础能力，并提供了开源权重和修复计划。

一位研究人员报告，在细粒度汽车分类任务中使用k-NN时，冻结的SigLIP2（92%）和DINOv2（41%）嵌入之间存在惊人的50个百分点的准确率差距，寻求了解线性探针是否能缩小差距，或者DINOv2是否不适合检索。