IXThinker·2025-11-17 00:30

UniME-V2以軟標籤革新多模態檢索

獲AAAI 2026口頭報告的一項研究提出統一多模態嵌入模型UniME-V2，以大模型評審機制生成軟語義匹配分數，針對批內負例挖掘的固有局限作出改進，在跨模態檢索與匹配任務上取得更佳表現。

舊方法的局限

統一多模態嵌入模型是眾多任務的技術基石，但主流的批內負例挖掘策略存在明顯短板：難以捕捉候選樣本間的細微語義差異，負例多樣性不足，模型在區分錯誤負例與困難負例時判別能力亦有限。