本研究分析了对比性语言-图像预训练（CLIP）模型的性能，发现高质量训练数据的重要性，较小的数据集在一定计算限制下优于较大数据集。同时比较了四种训练策略，发现只使用一半的训练数据和数据增强可以实现与完整数据集相当的性能。该研究为有效训练和部署CLIP模型提供了实用见解。