标签
介绍了SaMer，一种面向对象的标记合并框架，用于压缩视觉-语言检索中的图像侧标记，同时保留对象级证据，显著减少存储并提升检索性能。
作者发现，对ColBERT模型进行正则化可以修复高效的ANN方法MUVERA和SMVE（这些方法在现代ColBERT模型上出现了问题），并以一种意想不到的方式简化了多向量检索基础设施。
TopK 推出了 semantic_index，这是一种单一的 schema 注解，抽象了生产系统中多向量检索的复杂性，实现了亚秒级延迟和高吞吐量的最先进性能。
作者分享了他们通过将k-means用作top-1稀疏编码来降低多向量检索成本的工作。Omar Khattab补充说，在无监督稀疏自编码器上使用神经元级别倒排索引的晚期交互稀疏检索效果很好。
本文提出了一种使用无监督稀疏自编码器和自然倒排索引的单阶段稀疏编码方法，以加速多向量检索，其效果优于传统的基于k-means的方法。
本文提出单阶段稀疏检索（SSR），用稀疏自编码器和倒排索引替代K-means聚类，实现了15倍的索引加速和一半的检索延迟，同时在BEIR基准上提升了准确性。