实体
Multimodal Retrieval-Augmented Generation
Multimodal Retrieval-Augmented Generation
PulseAugur coverage of Multimodal Retrieval-Augmented Generation — every cluster mentioning Multimodal Retrieval-Augmented Generation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新审计方法追踪RAG系统中的内容来源
研究人员开发了一种名为源感知成员审计（SMA）的新方法，用于追踪检索增强生成（RAG）和多模态RAG系统生成内容的来源。与以往关注数据是否被记忆的方法不同，SMA能够精确指出生成内容来自预训练数据、外部检索还是用户输入。这通过使用零阶优化和利用多模态大语言模型（MLLMs）分析图像输入的跨模态技术来实现的归因估计机制来完成。
-
新基准QIMG-7测试多模态RAG在数据污染下的表现
研究人员推出了QIMG-7，这是一个旨在评估多模态检索增强生成（RAG）系统在数据污染条件下的新基准。该基准模拟了各种不可靠的内容形式，例如误导性图像和损坏的文本，以测试系统的鲁棒性。一种名为源感知信任解析（SATR）的拟议方法旨在通过选择性地信任来源而不是无条件地融合信息来提高RAG性能，与朴素融合方法相比显示出显著的收益。
-
新的RAG方法优化视觉证据选择，提升推理能力
研究人员开发了一种用于多模态检索增强生成（RAG）系统的新型视觉证据选择方法。该方法超越了简单的语义相关性，而是衡量视觉信息对下游推理任务的实际效用。通过从信息论的角度重新构建证据选择，并使用无需训练的框架，该方法能够高效地估计效用，性能优于现有的RAG基线，并降低了计算成本。