您好，最近一篇文章Semantic-Augmented Image Clustering via Adaptive Multi-Modal Collaboration，利用大模型对CIFAR-20全批次生成文本描述。这个文章没有提供任何提示词的信息，依据我目前的了解，他这样做无疑会为文本模态引入大量的噪声信息，导致文本模态不在具备清晰的簇间区分性。CIFAR-20是低分辨率的图片，大模型其实很难识别。他的ACC有67.4，这篇文章仍然具有参考价值嘛？
您好，最近一篇文章Semantic-Augmented Image Clustering via Adaptive Multi-Modal Collaboration，利用大模型对CIFAR-20全批次生成文本描述。这个文章没有提供任何提示词的信息，依据我目前的了解，他这样做无疑会为文本模态引入大量的噪声信息，导致文本模态不在具备清晰的簇间区分性。CIFAR-20是低分辨率的图片，大模型其实很难识别。他的ACC有67.4，这篇文章仍然具有参考价值嘛？