Adaptive Entropy Thresholding

WIDE方法通过解决信息不对称性来增强跨模态生成检索

研究人员引入了WIDE（动态扩展的通配符推理），一种增强跨模态生成检索的新方法。该方法解决了模态（如文本和图像）之间信息不对称的挑战，这可能由于自回归解码器中的强制幻觉导致排名不准确。WIDE利用自适应熵阈值来设定不确定性边界，并利用不对称感知通配符解码来用通配符替换确定性标识符，从而动态地扩展搜索空间。最后的盲点重新排序步骤结合了生成置信度和语义相似性来评估扩展的候选，在M-BEIR基准测试上表现优异。