新的PACE框架增强了多模态嵌入模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了PACE，一个新颖的两阶段框架，旨在改进多模态嵌入模型。该框架通过逐步扩展表示和可训练参数空间，解决了现有基于余弦的对比目标函数的局限性。PACE最初使用基于余弦的目标函数和低秩适配（low-rank adaptation）来稳定角度几何，然后过渡到点积相似度和全参数微调，以利用角度和范数信息进行更丰富的语义编码。该方法还结合了焦点嵌入损失（Focal Embedding Loss），以自适应地关注模糊查询，并在各种任务和模型规模上都显示出一致的有效性。 AI

影响通过结合角度和范数信息实现更丰富的语义编码，从而增强了多模态嵌入模型。

排序理由该集群包含一篇详细介绍多模态嵌入模型新技术的框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍多模态嵌入模型新技术的框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yanping Li, Wei Zhou, Yawen Liu, Yibo Wang, Ke Zhu, Guangda Huzhang, Qing-Guo Chen, Zhao Xu, Jun Zhang, Wei Wei · 2026-09-15 04:00

PACE：渐进式 Angular-to-Norm 对比嵌入

arXiv:2609.15152v1 Announce Type: cross Abstract: Multimodal embedding models encode heterogeneous inputs into a shared embedding space, enabling efficient similarity computation across modalities and tasks. Most existing methods optimize cosine-based contrastive objectives, whic…

本文如何被排名

报道来源 [1]

PACE：渐进式 Angular-to-Norm 对比嵌入

相关实体

相关话题