GPT-4o mini 和 Gemini 2.0 Flash 在细粒度时尚产品属性预测中的零样本分析

时尚零售业务的核心在于理解产品的能力。产品属性有助于根据业务流程理解产品。质量属性可提升客户在通过零售网站提供的数百万产品导航体验，促进井理有序的产品目录。最终，产品属性直接影响客户的发现体验。尽管大型语言模型 (LLM) 在理解多模态数据方面显示出惊人的能力，但其在细粒度时尚属性识别方面的表现仍未得到充分探索。本文对具有性能与速度与成本效率平衡的先进 LLM（主要为 GPT-4o-mini 和 Gemini 2.0 Flash）进行零样本评估。我们使用数据集 DeepFashion-MultiModal (https://github.com/yumingj/DeepFashion-MultiModal) 对这些模型进行评估，进行时尚产品属性任务。我们的研究在 18 类时尚属性上进行评估，提供了这些模型优势的见解。我们仅使用图像作为产品信息的唯一输入，以创建受限环境。我们的分析显示，Gemini 2.0 Flash 在所有属性上实现宏平均 F1 分数为 56.79%，表现最强；而 GPT-4o-mini 的宏平均 F1 分数为 43.28%。通过详细的错误分析，我们的发现为在生产电商产品属性相关任务中部署这些 LLM 提供了实用见解，并突显了针对性微调方法的必要性。这一工作也为未来时尚 AI 和多模态属性提取研究奠定了基础。