SimLoss：单次推理的细粒度图像描述方法

SimLoss 是一种无参考的嵌入空间目标函数，用于单次推理的细粒度图像描述，通过 InfoNCE 对比损失将视觉语言模型投影的隐藏状态与冻结图像嵌入对齐，无需人工细粒度描述或多阶段伪描述。其全微分微调版本 SimLoss FFT 精度最高，F1 接近多阶段方法，且推理速度约为多阶段流程的 20 倍；基于奖励的 SimLoss GRPO 召回率最强。