我们使用基于物理基础的图像生成模型GLIGEN进行简单的数据增强，生成微调数据，并在我们新设计的Flickr30k-Positions基准测试中实现了显著的性能提升。我们特别关注了两个尚未充分开发的关键问题：物理基础推理（计数和位置理解）的忽视以及利用高能力的文本和图像生成模型进行语义反事实微调的潜力。利用分解的低秩张量的分解属性，我们的方法实现了与暴力3D卷积相当的效果，但只产生了很小的计算开销

这样切分出来的文档片段就是一个一个的差不多相同长度的文档片段了。不过在切分的时候要注意，片段与片段之间最好要有一些重叠的内容，这样才能保证检索的时候能够检索到相关的文档片段。LLM会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。基类，这样我们再用其他的模型的时候，只需要继承这个基类，然后在此基础上进行修改即可，方便代码扩展。