罗盘 / 多模态对齐的模态鸿沟
暗星档案 · 未点亮的星多模态对齐的模态鸿沟
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
多模态对齐的模态鸿沟T5 量级 · 新星
图片和文字在AI脑子里始终是两个隔壁的房间
暗星编号DS-0767
轴R · 风险与文明安全
领域ai-computing
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
多模态大模型把视觉和语言编码进同一个表示空间，但研究发现不同模态的表示始终存在一个几何上可测量的「鸿沟」——图像向量和文本向量即便描述同一事物也聚集在不同的子空间区域。攻破意味着：理解这个鸿沟究竟是需要消除的缺陷还是有用的模态特异性信息，从而设计出真正跨模态无缝推理的模型，让AI能像人一样自由地在视觉直觉和语言逻辑之间切换思考。
卡在哪 · 机制级卡点
最新研究发现模态鸿沟可能并非纯缺陷、部分场景下反而对下游任务（如文生图的可控性）有益，这直接颠覆了「鸿沟就该消除」的传统假设，导致研究方向出现分歧——是该消除鸿沟做深度融合，还是该理解并利用鸿沟做可控编辑，学界尚无共识。
谁在攻
学术界2025年围绕《Beyond Cross-Modal Alignment》等论文展开讨论，具体主导机构未逐一核实
怎么参与
读《Beyond Cross-Modal Alignment: Measuring and Leveraging Modality Gap in Vision-Language Models》论文，用CLIP等开源模型可视化模态鸿沟