标签
SnapBench引入了一个配对干扰基准测试，用于移动端稳健的即拍即问多模态检索，揭示图像噪声是关键降级因素，并提出一种自适应融合方法以增强模态可靠性。
本文提出了STeReO，一个用于协调异构语音和文本检索器的重排序器，通过改善多模态场景中的证据选择来增强检索增强生成（RAG）系统。
UMER 引入了一个统一的多模态检索框架，通过配对感知判别推理结合嵌入与排序，在 MMEB-V2 基准测试中达到了最先进的性能。
本文提出了UniME-R1，一种用于统一多模态检索的嵌入器-顾问框架，该框架基于检索反馈生成检索中心思维链（RC-CoT），通过从硬负样本中学习来提升检索性能。
本文介绍了贝叶斯数据重加权，一种概率框架，自适应地对查询-文档对进行加权，以减轻对比训练中的假阴性问题，从而在多个基于知识的VQA基准上提升多模态检索性能。
提出了一种用于文档理解中视觉证据归因的语言接口，使用逐字引用替代基于坐标的边界框，在CiteVQA上实现了显著更高的证据召回率和更低的归因幻觉。
提出SERAF，一种用于时间序列预测的多模态检索增强框架，该框架同时利用数值相似性和自生成的文本描述来检索历史模式，从而改善非平稳条件下的预测。在七个真实世界数据集上的实验表明，其效果优于最先进的基线模型。
本文提出了细粒度片段检索（FFR）这一新任务，旨在长对话中定位语义连贯的多模态片段（文本与图像）。作者提出了基于生成的检索模型 F2RVLM（通过强化学习训练）和两阶段检索系统 FFRS，并构建了新的评测数据集 MLDR。
SMART是一个框架，能够解锁单向量模型中的潜在多向量能力，用于多模态检索，通过对比训练和后期交互推理，在降低计算成本的同时提升最先进的性能。