研究揭示多模态检索器存在文本偏好并提出Trident缓解方法

1. 18:25
   面壁 MiniCPM 新模型

   openbmb/Trident-Qwen3VL-2B：多模态嵌入模型用于混合模态检索

   openbmb/Trident-Qwen3VL-2B 是一个用于混合模态检索的多模态嵌入模型，可将文本、图像及融合输入映射到共享空间，实现统一排序。该模型基于 Qwen3-VL-2B-Instruct 微调，已合并 LoRA 适配器，无需额外基础模型或 PEFT。用户可通过指定文本或图像路径进行编码，支持纯文本、纯图像或融合输入，适用于跨模态检索任务。

1. 04:00
   Hugging Face · 每日论文

   混沌中的文本：揭示多模态检索器的模态偏好

   本文揭示了多模态检索器在处理包含文本、图像和融合文本-图像文档的混合语料库时存在模态偏好现象，即文本表示比图像表示获得更高的相似度评分，导致无关文本可能优于相关图像。研究发现，当图像文档被语义对应的文本表示逐步替代时，检索性能呈现明显的V型曲线。为缓解这一偏差，研究团队提出Trident方法，通过构建文本、图像和融合文本-图像视图并联合优化相关性判别与正视图平衡，提升了混合模态检索效果。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。