该研究通过扩展数据集和模型架构，进一步探索了具有对比语言 - 图像预训练（CLIP）的视觉语言任务的性能。提出了RWKV-CLIP，通过引入多样化的描述生成框架，在多个下游任务中实现了最先进的性能。

该研究通过扩展数据集和模型架构，进一步探索了具有对比语言 - 图像预训练（CLIP）的视觉语言任务的性能。提出了RWKV-CLIP，通过引入多样化的描述生成框架，在多个下游任务中实现了最先进的性能。