研究人员开发了PILOT,一个旨在通过改进生成多模态嵌入的推理过程来增强多模态嵌入的新框架。与依赖事后奖励的先前方法不同,PILOT将推理建模为潜在变量,利用仅输入和输入加关系证据来指导探索。该方法在MMEB-V2基准测试上进行了测试,在各种任务中显示出显著的改进,特别是在视觉-文档检索方面,证明了在训练过程中进行关系监督的价值。 AI
影响 这项研究可能带来更具信息量的多模态嵌入,提高视觉-文档检索等任务的性能,并可能应用于其他跨模态应用。
排序理由 该集群包含一篇详细介绍新框架和基准结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →