Авторегрессивный ретривер: Улучшение понимания запросов на основе обратной связи для универсального мультимодального ретроваля

arXiv: 2610.11666v1 Annuales Type: кросс-бюллетень: Universal Modall Recess обычно кодирует один раз и определяет независимо индексированные позиции путем встраивания сходства. Этот проект обеспечивает эффективный поиск, но оставляет представление запроса неизменным даже в тех случаях, когда обнаруженные элементы могут помочь прояснить потребность в информации. Мы введем модель AutoRegressive Retriver (ARR) — мультимодальную поисковую модель, которая учится как выбирать информативные элементы, так и использовать их содержание для уточнения последующего поиска. ARR чередует между поиском предмета и обновлением встроенного запроса, а затем использует окончательный ввод для ранжирования коллекции. Контролируемая точная настройка учит заказчика использовать обратную связь посредством поэтапного контрастного надзора. Повышение эффективности обучения позволяет рассматривать обратную связь в качестве действий и оптимизировать их выбор с использованием окончательного взаимного ранга соответствующего предмета. Адаптер с запросами позволяет оптимизироваться по отношению к фиксированному индексу товаров. ARR демонстрирует высокую эффективность поиска