研究人员推出了一种新颖的框架ELVA，旨在解决利用多模态大语言模型（MLLMs）的通用多模态检索（UMR）系统中的“粒度盲”问题。粒度盲是指模型在查询中忽略细粒度信息，将所有负样本同等对待。ELVA采用基于规则的、具有可验证奖励的强化学习（RLVR）方法来优化负样本的排名，并增加正负样本之间的相似度差距。为了评估其有效性，开发了一个名为MRBench的新基准，ELVA在该基准上取得了最先进的成果，包括MRBench上的显著13.1%的提升。 AI
影响 这项研究可以提高多模态检索系统的准确性和细微差别，从而带来更复杂的信息检索能力。
排序理由 该集群包含一篇关于多模态检索新框架和基准的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.20280v1 Announce Type: cross Abstract: Leveraging Multimodal Large Language Models (MLLMs) via contrastive learning has become a mainstream paradigm for improving the performance of Universal Multimodal Retrieval (UMR). However, previous works have ignored the grain bl…
Leveraging Multimodal Large Language Models (MLLMs) via contrastive learning has become a mainstream paradigm for improving the performance of Universal Multimodal Retrieval (UMR). However, previous works have ignored the grain blindness when adapting the contrastive paradigm int…