HANCLIP：双曲角否定视觉语言模型系列

视觉语言模型（VLM）实现了强大的跨模态对齐，但仍然很容易被否定，通常依赖于浅层单词关联而不是组合推理。否定特定数据上的 微调 也会通过灾难性遗忘损害其通用功能。我们引入了 HANCLIP（双曲、角度和否定），这是一种几何感知框架，可以提高否定灵敏度，同时保留预训练的关节嵌入空间的结构。 HANCLIP 结合了双曲线对比目标（对层次关系和语义不对称进行建模）和角度三元组损失（将否定描述与肯定描述分开）。 HANCLIP 仅使用 20,000 个图像文本四元组，在 NegBench 基准测试中持续提高 CLIP、LongCLIP 和 SmartCLIP 主干网的性能，同时保持或提高零样本分类和图像文本检索性能。这些结果表明，轻量级、几何引导的目标可以增强否定理解，而无需大规模再训练。