研究表明，隐藏层模型分为核心相和特征学习相，分析了超参数如宽度和学习率对特征学习的影响。通过对齐、失对齐和重新缩放机制，揭示了特征学习的三种方式。核心相中这些机制不存在，解释了大初始化导致性能下降的原因。实验验证这些发现适用于真实任务的非线性网络。

本研究提出了S2Cap数据集，解决了音频-文本数据集中缺乏音乐特征的问题，并通过增强对齐机制提高了字幕生成准确性。