@perdactor: 1/ 介绍 Argus-Retriever：首个采用延迟交互的视觉文档检索器，其文档表示会根据查询自适应调整……

1/👁️ 认识 Argus-Retriever：首个采用后交互机制的视觉文档检索器，其文档表示会根据查询动态调整：D(q)。

• 在 ViDoRe V1+V2 上达到 86.0 NDCG@5（当前最优开源模型）
• 📦 使用 1024 维头部，索引体积缩小 4.5 倍

Sumit (@_reachsumit)： Argus-Retriever：基于视觉大语言模型的后交互检索，结合区域感知查询条件混合专家模型，用于视觉文档检索。

提出了一种查询条件化的后交互视觉文档检索器。

📝 https://t.co/oB5oa4bgKc 👨🏽💻

1/ 认识 Argus-Retriever：首个采用后交互机制的视觉文档检索器，其文档表示会根据查询动态调整：D(q)。

• 在 ViDoRe V1+V2 上达到 86.0 NDCG@5（当前最优开源模型）
• 📦 使用 1024 维头部，索引体积缩小 4.5 倍

2/ 核心思路：在文档编码器中引入区域感知的混合专家模型。 路由器会读取每个区域的内容、其二维坐标，以及池化后的查询上下文 z_q，然后混合 4 个专家网络（另加 1 个共享专家）。 此时，页面会根据不同查询进行差异化编码 → 得到 D(q)。仍使用 MaxSim 相似度计算。