cmmd чаще всего упоминается в контексте оценки качества генеративных моделей, особенно систем, которые создают изображения по текстовому описанию. Аббревиатура связана с метрикой, основанной на Maximum Mean Discrepancy и признаках, полученных из моделей вроде CLIP. Ее задача — сравнивать распределения реальных и сгенерированных данных не по отдельным примерам, а по тому, насколько близко они выглядят в пространстве признаков нейросети. Интерес к cmmd возник на фоне ограничений более старых метрик, включая FID. FID долго использовалась как стандарт для сравнения генераторов изображений, но она опирается на признаки Inception и делает предположения о форме распределений. Для современных text-to-image моделей это не всегда удобно: изображения могут быть стилистически разными, а соответствие тексту играет не меньшую роль, чем визуальная реалистичность. cmmd лучше вписывается в среду, где оценивать нужно не только картинку как объект, но и ее смысловую близость к запросу. Ключевая особенность cmmd в том, что метрика использует эмбеддинги, отражающие семантическое содержание. Если генератор создает изображения, которые визуально аккуратны, но плохо соответствуют описанию, такая оценка может выявить расхождение точнее, чем метрики, ориентированные только на фотографическое качество. Это важно для моделей диффузии, мультимодальных систем и наборов данных, где текстовая разметка играет центральную роль. При этом cmmd не является универсальной заменой всем способам оценки. Метрика зависит от выбранной модели признаков, качества датасета и того, какие именно изображения сравниваются. Если базовая модель эмбеддингов имеет перекосы или недостаточно хорошо понимает отдельные домены, итоговая оценка тоже может быть искажена. Поэтому в практических обзорах cmmd обычно рассматривают вместе с другими показателями: человеческой оценкой, CLIP Score, FID, precision и recall для генеративных моделей. Для исследователей cmmd полезна тем, что позволяет сравнивать разные версии моделей более устойчиво, особенно когда речь идет о больших наборах сгенерированных изображений. Для разработчиков продуктов на базе ИИ она помогает отслеживать деградацию качества после дообучения, смены датасета или изменения архитектуры. В таких сценариях важна не абсолютная цифра сама по себе, а динамика: становится ли модель ближе к целевому распределению и сохраняет ли соответствие текстовым запросам.