07.1
从菜名理解走向食材层次
美团文章把研究重点放在食材级理解，并介绍了CMIngre基准以及菜品知识图谱业务应用。文章发表于2024年5月17日，对应论文题为Toward Chinese Food Understanding: A Cross-Modal Ingredient-Level Benchmark。论文在线发表年份与正式卷册年份存在区别，报告在书目中分别记录，避免把一个项目误当成两个独立研究。文章本身更适合说明业务动机与流程，论文和数据集则用于追查基准定义与实验设置。[R03][R04][R05]
从研究问题看，菜名是一个压缩程度很高的标签。同一种名称可能对应不同原料、制作方法和地域版本，而相近原料也可能被加工成外观差异很大的成品。因此，单纯建立“菜名到类别”的映射很难支持精细商品理解。本报告据此提出一个阅读角度：把菜品名称看作入口，把食材、做法、口味与商家版本看作需要独立核验的属性。这里的属性关系不是由名称自动推出，而是由菜单文字、图片观察或其他记录支持。这个区别决定了图谱是在重复常识，还是在描述某个真实商品。研究案例的启发首先在于问题粒度的下沉。
07.2
数据规模来源与标签层次
CMIngre包含8,001组图像与食材信息，429种食材标签以及95,290个边界框。图像来源分为菜肴1,719组、食谱2,330组和用户生成内容3,952组。食材检测实验另将细标签映射到67个较粗类别；这两个类别数属于不同层级，不能互相替换。数据清洗还包含低频标签处理和语义合并，因此最终标签空间既反映领域概念，也反映可获得数据的条件。[R03][R05]
本报告的分析重点是这些数字背后的评估边界。三种来源可能具有不同清晰度、拍摄角度和文字完整性；如果随机混合划分训练测试，同一来源的共同风格可能让结果看起来比真实迁移更容易。细标签映射到粗标签可以降低辨认难度，但也会隐藏细分类别上的错误。对教学与应用而言，应同时报告标签层级、每类样本分布和来源划分。若需要复现实验，应固定数据版本与划分清单，并检查近重复图像。仅报告总样本量不足以说明困难程度，尤其当大量边界框来自少数常见食材时，平均指标可能掩盖长尾类别的弱点。
R03、R05；本报告依原始数值重绘
本报告原创设计
07.3
检测与跨模态检索是两类任务
食材检测关注图片中的类别与位置，跨模态检索关注图片与食材组合的匹配排名。文章比较了检测基线，并讨论利用区域特征和自适应池化进行检索的两阶段方法。理解实验时，应把检测平均精度、检索召回与排名指标分开；检测框更准可能改善检索，但二者没有简单的一一对应关系。本报告不把文章中某种配置的比较结论外推为所有视觉模型的固定排序。[R03]
以一张食材混合程度很高的图片为例，检测器可能找到大块肉类却漏掉少量配料，检索器仍可能因为整体组合相近而找对菜谱。反过来，检测框位置不错，但食材类别混淆也可能把检索引向错误候选。改进实验应分别改变区域定位、区域分类和融合策略，再观察下游变化。若只比较最终检索分数，就难以判断改进来自哪个环节。还要检查查询方向：从图找食材与从食材找图的候选集合和歧义不同。对包含多种食材的查询，应说明相关性要求是全部匹配、部分匹配还是层次兼容。任务定义清楚，模型表现才有可解释意义。
07.4
文本和图像如何进入菜品图谱
文章的业务流程从文本抽取食材、口味、口感、菜系和烹饪方法，并用图像目标检测补充食材及区域信息，随后进行知识融合。这个流程与微软GraphRAG的主要连接点在于形成可检索的关系结构，而不是已经包含同一种社区摘要机制。美团案例首先展示构图与商品理解，微软案例主要讨论基于结构的发现与概括；把两者结合属于本报告提出的应用设计。[R03][R01]
组合时需要增加一个证据层。文本抽取结果应连接到具体文字片段，图像结果应连接到区域，二者只有在商品身份、版本与语义条件匹配后才能融合。假如评论说“上次没有放辣椒”，图片显示红色块状物，直接合并成“该菜含辣椒”会同时忽视时间和视觉歧义。建议在图谱中保留观察节点，记录模型候选和审核状态，然后再生成面向查询的属性视图。这样既能用多模态互补提高覆盖，也能保留模态之间的不一致。融合的目标是把证据组织得更可判断，而不是把所有输入压缩成没有出处的单一属性表。
R03 原图，文字NER与图像检测后进行融合；原图沿用作者标记
07.5
业务数字的正确解释
文章报告，对比文本单模态，知识准确率由95%到96.52%，覆盖率由80%到87.01%；相同商品识别错误率由20.38%到2.3%。前两项分别增加1.52和7.01个百分点，最后一项下降18.08个百分点，相对下降约88.71%。这些是文章所述项目评测结果，不是本报告独立复现，也不是CMIngre目标检测成绩。数字换算已用Wolfram及本地算术交叉检查。[R03]
解释这些结果时，需要知道评测单位、样本选择、审核标准和比较条件。若这些细节无法从已读取材料完整恢复，就不应擅自计算置信区间或声称收益可以按同样比例迁移到新门店。准确率与覆盖率也可能互相牵制：新增属性若主要来自更容易的商品，整体分数上升不能证明所有细分类别同步改进。业务错误率的改善可能包含图谱之外的系统因素，因此不能自动等同于某个视觉模型的因果贡献。新项目可借鉴的做法，是为自己的问题建立可复核基线、固定评测集并逐步消融，而不是复制一个百分比作为承诺。该案例提供可行性的实例，部署收益仍需要本地证据。
R03；Wolfram与本地算术复算差值
07.6
可迁移的经验与不应迁移的假设
从美团案例可以提炼出三条设计经验：把业务对象细化到足以回答真实问题的粒度，利用多源输入补足单一来源的缺口，把构图能力放回实际业务任务中检验。本报告进一步强调，经验的迁移要经过数据和任务的重新定义。食材图谱中的层次关系可以启发零部件或文化物件分类，但不能直接复制类别体系；菜品图片中的局部检测可以启发工业视觉证据建模，但拍摄条件、可见性和错误代价完全不同。迁移的是问题解决结构，具体假设必须重测。
特别需要避免将视觉食材识别包装成过敏原或营养安全保证。不可见调料、加工过程和交叉接触不由照片完整表达，某道菜的名称也不提供可靠的排除证据。若系统面对这类需求，应返回已确认的配料来源、适用版本以及仍未知的部分，并指向可以核实信息的责任主体。报告后文的食堂设计只讨论信息组织与确认流程，不作临床或个体饮食判断。这个边界不是削弱图谱价值，反而使图谱能够承担合适的任务：帮助发现信息缺口、定位证据、减少误匹配，并把需要人工确认的事项清楚呈现出来。