1、如果你让它画一个非常罕见的生物或特定的历史零件，它可能因为没见过而“胡编乱造”。例如，使用提示“一只暹罗猫正在嗅餐桌上的圣诞老人杯子。”作为查询，可能会返回“上面画着一只猫的杯子。”，因为知识语料库中缺乏与原始查询的精确匹配。这导致知识资源不完整，无法概括“暹罗猫”和“圣诞老人杯子”的概念。2、现有的“检索增强生成”（RAG）通常直接拿用户的整句话去搜图，搜出来的参考资料往往不够精准（噪声大）

在这些嵌入中，e𝑠𝑒𝑐，s(𝑒)封装了𝑒的全局信息，v(𝑒)，w(𝑒)包含了局部模态信息。对于每个实体𝑒，我们可以收集其用于对比学习的候选对象为 C(𝑒) = {𝑒𝑠𝑒𝑐, s(𝑒), v(𝑒), w(𝑒)}，它由其全局和局部特征组成。其中[CXT]是输入序列中捕获实体上下文嵌入的特殊标记，h是来自CMEE的<s:1>的输出表示，r是每个𝑟∈r的关系嵌入。为了捕获