PulseAugur
中
实时 09:43:47
English(EN) Generative Universal Multimodal Retrieval with Dual-role Identifiers

新的DrIG框架通过双角色标识符实现通用多模态检索

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出DrIG，一个利用双角色标识符的新型生成式通用多模态检索框架。该框架通过实现跨文本、图像和混合格式的指令感知检索，解决了生成式信息检索中的约束解码和单模态限制等挑战。DrIG为每个候选对象分配一个单一标识符，该标识符既可用于自回归解码的顺序性，也可作为集合用于前缀无关的相关性先验，与现有方法相比提高了准确性和效率。 AI

影响 该框架有望推进多模态搜索能力，并提高信息检索系统的效率。

排序理由 该集群包含一篇详细介绍多模态检索新框架的研究论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的DrIG框架通过双角色标识符实现通用多模态检索

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Kaipeng Li, Haitao Yu, Xuanchen Zhou ·

    生成式通用多模态检索与双角色标识符

    arXiv:2608.12987v1 Announce Type: cross Abstract: Generative information retrieval (GIR) has emerged as a compelling alternative to the conventional index-retrieve-then-rank retrieval pipeline by training a generator to produce the identifiers of relevant items directly. Despite …

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xuanchen Zhou ·

    生成式通用多模态检索与双角色标识符

    Generative information retrieval (GIR) has emerged as a compelling alternative to the conventional index-retrieve-then-rank retrieval pipeline by training a generator to produce the identifiers of relevant items directly. Despite its promise, a number of open challenges still rem…

相关实体

相关话题