PulseAugur
实时 07:22:00
English(EN) FreeRet: MLLMs as Training-Free Retrievers

FreeRet 框架将多模态大语言模型转变为无训练检索器

研究人员开发了 FreeRet,一个新颖的框架,使多模态大语言模型 (MLLMs) 能够在无需额外训练的情况下有效充当检索器。这个即插即用系统从现成的 MLLMs 中提取语义基础的嵌入,用于初步候选搜索,然后利用其推理能力进行精确的重排序。FreeRet 在 MMEBMMEB-V2 基准测试中,展示了比在数百万对数据上训练的模型显著的性能提升,显示了其在单一模型内统一检索、重排序和生成功能的潜力。 AI

影响 使 MLLMs 能够充当强大的、无训练的检索器,有可能简化 RAG 系统并增强多模态搜索能力。

排序理由 这是一篇描述 MLLMs 新框架的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

FreeRet 框架将多模态大语言模型转变为无训练检索器

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yuhan Zhu, Xiangyu Zeng, Chenting Wang, Xinhao Li, Chunxu Liu, Yicheng Xu, Ziang Yan, Yi Wang, Limin Wang ·

    FreeRet: MLLMs as Training-Free Retrievers

    arXiv:2509.24621v2 Announce Type: replace Abstract: Multimodal large language models (MLLMs) are emerging as versatile foundations for mixed-modality retrieval. Yet, they often require heavy post-hoc training to convert them into contrastive encoders for retrieval. This work asks…