本文探讨了视觉监督在词汇学习中的作用，发现其在有限语言数据下能提高学习效率，但效果有限。研究表明，视觉基础能增强语义理解，尤其在跨语言时，但对抽象词汇无显著优势。未来需更多多语言数据以提升模型实用性。