先了解这件事
AI 综述
面壁智能(OpenBMB)提出多模态检索方法 Trident。该方法用 Multi-Positive View InfoNCE 联合训练 Text、Image、Fused 三视图,针对多模态检索中无关文本得分高于含答案图像的“Chaos in the Text”现象。在 6 个视觉文档检索基准上,Trident-Qwen3VL-2B 将 Mix Avg NDCG@10 从 40.12 提升至 73.90。相关分析显示,多模态检索器在纯文本或纯图像语料上表现良好,但图文混合时性能明显下降,原因是文本常获得比语义对齐图像更高的相似度分数。目前该工作以面壁智能发布的信息为准,尚无更多独立来源交叉印证。
AI 根据公开报道生成
最新进展 · 正式报道
面壁智能提出 Trident：解决多模态检索文本偏好问题事件进展
1 个已确认进展
- 来源：面壁智能 OpenBMB
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月19日
面壁智能 OpenBMB
面壁智能提出 Trident：解决多模态检索文本偏好问题
面壁智能（OpenBMB）提出 Trident，用 Multi-Positive View InfoNCE 联合训练 Text/Image/Fused 三视图，解决多模态检索中无关文本得分高于含答案图像的“Chaos in the Text”现象。在 6 个视觉文档检索基准上，Trident-Qwen3VL-2B 将 Mix Avg NDCG@10 从 40.12 提升至 73.90。分析显示，多模态检索器在纯文本或纯图像语料上表现良好，但图文混合时性能明显下降，原因是文本常获得比语义对齐图像更高的相似度分数。