COSMO是解决视觉语言预训练中虚假负样本问题的方法，通过处理虚假负样本和采用GRIT策略转换为正样本。实验证明COSMO在多个下游任务上有效，重要性超过解决虚假正样本的重要性。与BLIP-family模型兼容。

GraphRank是一种图对比学习模型，通过基于排名的学习来测量相似度得分，成功地解决了虚假负样本问题，并将时间复杂度降低到O(N)。该模型在多个图任务上表现优异。