该获奖论文题为“LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation”。CLIP是当前人工智能领域具有重要影响力的多模态基础模型，其核心思想是通过大规模图像与文本数据的联合训练，使计算机能够在同一语义空间中理解图像和语言，从而支持图像识别、检索等多种任务。随着大型语言模型（LLM）的快速发展，其在语言理解和世界知识建模方面展现出显著优势。基于这一背景，研究团队深入探讨了如何将LLM的强大语言理解能力引入CLIP框架，以提升模型对复杂、冗长文本描述的理解能力和视觉感知能力。为此，团队提出了一种高效的模型微调方法，在保留原有CLIP结构的基础上，将LLM有机嵌入其中，实现对多模态表示能力的增强。
AAAI（Association for the Advancement of Artificial Intelligence）会议由国际人工智能促进协会主办，是人工智能领域历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，也是中国计算机学会推荐的A类国际学术会议，每年举办一届。
