本文介绍了使用Composition Transformer（CoT）框架解决组合式零样本学习（CZSL）中的上下文问题、视觉特征可辨识性问题和真实世界组合数据的长尾分布问题的方法。该方法在多个基准测试集上达到了最先进的性能，并展示了在提高视觉辨识能力和解决模型偏差方面的有效性。