本文介绍了多种改进对比语言-图像预训练（CLIP）模型的方法，包括CLIP-benchmark、Llip、RankCLIP、MetaCLIP、DeCLIP和MLIP。这些方法通过优化数据选择、监督方式和模型架构，显著提升了模型在零样本分类和检索任务中的性能，尤其在医学图像分析领域表现突出。

介绍了基于样条的神经网络势（s-NNP）框架，结合了MEAM势和神经网络架构的灵活性，能高效描述复杂数据集。演示了该框架在研究原子势函数边界和结构变化方面的优势，以及使用样条滤波器对原子环境编码的方法。