**无需图像监督：基于合成文本的 MLLM 微调实现属性 - 对象绑定 SOTA 性能**

_Stuck on Shuffle: On Attribute-Object Binding in Vision-Language Models_

> 针对现有模型在属性 - 对象绑定任务上表现不佳的问题，研究团队提出了 SABER 基准测试，并发现仅使用合成文本进行监督即可显著提升基于 MLLM 的嵌入模型性能。该方法无需昂贵的图像标注，不仅大幅提升了跨模态检索效果，还保持了通用多模态嵌入能力，同时在否定和实例检索等任务上均取得了最先进（SOTA）的结果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22602)