MOON2.0：面向电商商品理解的动态模态平衡多模态表示学习

基于摘要分析。本文研究电商商品图像与文本的多模态表示学习，针对混合模态训练中的模态不平衡、商品内部图文对齐关系利用不足及数据噪声，提出 MOON2.0 框架，并引入用于电商表示学习与评估的协同增强多模态基准 MBE2.0。 方法包含三个部分：Modality-driven Mixture-of-Experts（MoE）依据输入样本的模态组成进行自适应处理，通过 Multimodal Joint Learning 缓解模态不平衡；Dual-level Alignment 利用单个商品内部的语义对齐关系；基于 MLLM 的 Image-text Co-augmentation 将文本丰富化与视觉扩展结合，并通过 Dynamic Sample Filtering 改善训练数据质量。摘要未说明双层对齐的具体层级、损失形式、专家路由规则或过滤判据，相关实现尚未验证。 作者报告，MOON2.0 在 MBE2.0 和多个公共数据集的零样本评估中达到最先进表现，但摘要未提供数据集清单、划分、对照模型或具体指标，尚不能核对优势幅度及比较条件。作者还以注意力热图作为多模态对齐改善的定性证据；其与定量对齐质量的关系仍需正文验证。实验协议、消融及统计信息尚未验证，代码与模型权重可用性也尚未验证。 平台推测（待验证）：其机制可能适用于存在模态缺失或质量不均的 EEG 多模态表示学习，假设是按模态组成路由与质量过滤能够降低不可靠模态的干扰。原方法依赖商品图文配对、商品内语义对应及 MLLM 增强；迁移时可考察路由与过滤思路，但需改造 EEG 编码、时间对齐和质量判据，不能直接沿用图文增强。低信噪比、跨被试差异、通道变化及小数据可能导致路由过拟合，或误删困难但有效的样本。可在固定跨被试划分和相同编码器下，比较固定融合与模态驱动路由，并单独加入过滤，在受控模态缺失及噪声条件下检验其贡献。已有 EEG 相关工作尚未检索确认，原领域结果不构成 BCI 有效性证据。