桥接语义鸿沟：用于通用少样本和零样本OOD感知的协同概念锚定
计算机视觉与模式识别
2026-02-03 v1 人工智能
摘要
本文提出一种 pioneering 的 Synergistic Neural Agents Network（SynerNet）框架，用于缓解视觉语言模型（VLM）在面对超出分布（OOD）概念时出现的跨模态对齐退化现象。具体而言，四个专用计算单元——视觉感知、语言上下文、名词嵌入和全局协调——通过结构化的信息传递协议协同纠正模态差异。主要贡献包括多主体潜在空间术语获取框架、用于增强少样本适应的语义上下文置换算法，以及自适应动态平衡机制。在 VISTA-Beyond基准上的实证评估表明，SynerNet 在少样本和零样本场景中均实现了显著的性能提升，跨 diverse array of domains 的精度提升范围为1.2%至5.4%。
引用
@article{arxiv.2602.00340,
title = {Bridging the Semantic Chasm: Synergistic Conceptual Anchoring for Generalized Few-Shot and Zero-Shot OOD Perception},
author = {Alexandros Christoforos and Sarah Jenkins and Michael Brown and Tuan Pham and David Chen},
journal= {arXiv preprint arXiv:2602.00340},
year = {2026}
}