Buchumschlag

DashCLIP: Leveraging multimodal models for generating semantic embeddings for DoorDash

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gurjar, Omkar, Liu, Kin Sum, Kolli, Praveen, Kumar, Utsaw, Rahurkar, Mandar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Smart Fast Finish: Preventing Overdelivery via Daily Budget Pacing at DoorDash
von: Garg, Rohan, et al.
Veröffentlicht: (2025)

Agentic Multi-Source Grounding for Enhanced Query Intent Understanding: A DoorDash Case Study
von: Boateng, Emmanuel Aboah, et al.
Veröffentlicht: (2026)

A semantic-based deep learning approach for mathematical expression retrieval
von: Perepu, Pavan Kumar
Veröffentlicht: (2025)

Multimodal semantic retrieval for product search
von: Liu, Dong, et al.
Veröffentlicht: (2025)

Research on feature fusion and multimodal patent text based on graph attention network
von: Song, Zhenzhen, et al.
Veröffentlicht: (2025)

LLMs as Assessors: Right for the Right Reason?
von: Saha, Sourav, et al.
Veröffentlicht: (2026)

OThink-MR1: Stimulating multimodal generalized reasoning capabilities via dynamic reinforcement learning
von: Liu, Zhiyuan, et al.
Veröffentlicht: (2025)

Semantic Retrieval for Product Search in E-Commerce
von: Kothari, Nikhil, et al.
Veröffentlicht: (2026)

A comparative analysis of embedding models for patent similarity
von: Ascione, Grazia Sveva, et al.
Veröffentlicht: (2024)

Interact2Vec -- An efficient neural network-based model for simultaneously learning users and items embeddings in recommender systems
von: Pires, Pedro R., et al.
Veröffentlicht: (2025)

Heterogeneous co-occurrence embedding for visual information exploration
von: Ishida, Takuro, et al.
Veröffentlicht: (2025)

Nepali Passport Question Answering: A Low-Resource Dataset for Public Service Applications
von: Begha, Funghang Limbu, et al.
Veröffentlicht: (2026)

EfficientRec an unlimited user-item scale recommendation system based on clustering and users interaction embedding profile
von: Quan, Vu Hong, et al.
Veröffentlicht: (2024)

A comparison of latent semantic analysis and correspondence analysis of document-term matrices
von: Qi, Qianqian, et al.
Veröffentlicht: (2021)

From Authors to Reviewers: Leveraging Rankings to Improve Peer Review
von: Wang, Weichen, et al.
Veröffentlicht: (2025)

Leveraging Negative Signals with Self-Attention for Sequential Music Recommendation
von: Seshadri, Pavan, et al.
Veröffentlicht: (2023)

Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
von: Hemmat, Arshia, et al.
Veröffentlicht: (2024)

Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations
von: Yusupov, Viacheslav, et al.
Veröffentlicht: (2025)

Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers
von: Vashishtha, Shanu, et al.
Veröffentlicht: (2024)

Jasper and Stella: distillation of SOTA embedding models
von: Zhang, Dun, et al.
Veröffentlicht: (2024)

MFBE: Leveraging Multi-Field Information of FAQs for Efficient Dense Retrieval
von: Banerjee, Debopriyo, et al.
Veröffentlicht: (2023)

Multimodal RAG for Unstructured Data:Leveraging Modality-Aware Knowledge Graphs with Hybrid Retrieval
von: R, Rashmi, et al.
Veröffentlicht: (2025)

AMEM4Rec: Leveraging Cross-User Similarity for Memory Evolution in Agentic LLM Recommenders
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2026)

Not All Memories Age the Same: Autodiscovery of Adaptive Decay in Knowledge Graphs
von: Karhade, Mandar
Veröffentlicht: (2026)

Agent0: Leveraging LLM Agents to Discover Multi-value Features from Text for Enhanced Recommendations
von: Škrlj, Blaž, et al.
Veröffentlicht: (2025)

Supply Chain Network Extraction and Entity Classification Leveraging Large Language Models
von: Liu, Tong, et al.
Veröffentlicht: (2024)

Benchmarking pre-trained text embedding models in aligning built asset information
von: Shahinmoghadam, Mehrzad, et al.
Veröffentlicht: (2024)

Efficient Dataset Selection for Continual Adaptation of Generative Recommenders
von: Jiao, Cathy, et al.
Veröffentlicht: (2026)

Combining Query Performance Predictors: A Reproducibility Study
von: Saha, Sourav, et al.
Veröffentlicht: (2025)

Retrieval Mechanisms Surpass Long-Context Scaling in Time Series Forecasting
von: Ahuja, Rishi, et al.
Veröffentlicht: (2026)

Generative vector search to improve pathology foundation models across multimodal vision-language tasks
von: Ekvall, Markus, et al.
Veröffentlicht: (2025)

Compressed models are NOT miniature versions of large models
von: Rai, Rohit Raj, et al.
Veröffentlicht: (2024)

LiCQA : A Lightweight Complex Question Answering System
von: Saha, Sourav, et al.
Veröffentlicht: (2026)

Bridging the Gap: Leveraging Retrieval-Augmented Generation to Better Understand Public Concerns about Vaccines
von: Javed, Muhammad, et al.
Veröffentlicht: (2025)

Large language model as user daily behavior data generator: balancing population diversity and individual personality
von: Li, Haoxin, et al.
Veröffentlicht: (2025)

Metadata Extraction Leveraging Large Language Models
von: Han, Cuize, et al.
Veröffentlicht: (2025)

Using Knowledge Graphs to harvest datasets for efficient CLIP model training
von: Ging, Simon, et al.
Veröffentlicht: (2025)

Fast Dash
von: Kedar Dabhadkar
Veröffentlicht: (2025)

Efficient user history modeling with amortized inference for deep learning recommendation models
von: Hertel, Lars, et al.
Veröffentlicht: (2024)

Resolution-Aware Retrieval Augmented Zero-Shot Forecasting
von: Deznabi, Iman, et al.
Veröffentlicht: (2025)