实体
MMEB-V2
MMEB-V2
PulseAugur coverage of MMEB-V2 — every cluster mentioning MMEB-V2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
FreeRet 框架将多模态大语言模型转变为无训练检索器
研究人员开发了 FreeRet，一个新颖的框架，使多模态大语言模型 (MLLMs) 能够在无需额外训练的情况下有效充当检索器。这个即插即用系统从现成的 MLLMs 中提取语义基础的嵌入，用于初步候选搜索，然后利用其推理能力进行精确的重排序。FreeRet 在 MMEB 和 MMEB-V2 基准测试中，展示了比在数百万对数据上训练的模型显著的性能提升，显示了其在单一模型内统一检索、重排序和生成功能的潜力。
-
新的RIME框架通过优化生成和检索来增强多模态嵌入。
研究人员推出了一种名为重写驱动的多模态嵌入（RIME）的新框架，旨在增强生成式多模态嵌入。RIME通过一个检索友好的重写过程优化生成和嵌入，从而解决了思维链推理的局限性。该框架还整合了跨模态对齐（CMA）以连接生成式和判别式嵌入空间，并采用精炼强化学习（Refine-RL）使用稳定的语义锚点来指导优化。实验表明，RIME在缩短思考步骤长度的同时，性能优于现有的生成式嵌入模型。