Buchumschlag

Reconstructing Content via Collaborative Attention to Improve Multimodal Embedding Quality

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jiahan, Li, Da, Zhang, Hengran, Cai, Yinqiong, Su, Lixin, Guo, Jiafeng, Shi, Daiting, Yin, Dawei, Bi, Keping
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bagging-Based Model Merging for Robust General Text Embeddings
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

Utility-Focused LLM Annotation for Retrieval and Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Unleashing the Power of LLMs in Dense Retrieval with Query Likelihood Modeling
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

A Comparative Study of Specialized LLMs as Dense Retrievers
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

Data, Not Model: Explaining Bias toward LLM Texts in Neural Retrievers
von: Huang, Wei, et al.
Veröffentlicht: (2026)

Training Dense Retrievers with Multiple Positive Passages
von: Wang, Benben, et al.
Veröffentlicht: (2026)

Beyond Relevance: Utility-Centric Retrieval in the LLM Era
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

How Do LLM-Generated Texts Impact Term-Based Retrieval Models?
von: Huang, Wei, et al.
Veröffentlicht: (2025)

LLM-Specific Utility: A New Perspective for Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

LifeIR at the NTCIR-18 Lifelog-6 Task
von: Chen, Jiahan, et al.
Veröffentlicht: (2025)

Distilling a Small Utility-Based Passage Selector to Enhance Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Bridging Queries and Tables through Entities in Table Retrieval
von: Li, Da, et al.
Veröffentlicht: (2025)

Tailoring Table Retrieval from a Field-aware Hybrid Matching Perspective
von: Li, Da, et al.
Veröffentlicht: (2025)

RAG-Enhanced Large Language Models for Dynamic Content Expiration Prediction in Web Search
von: Chen, Tingyu, et al.
Veröffentlicht: (2026)

Unbiased Learning to Rank with Query-Level Click Propensity Estimation: Beyond Pointwise Observation and Relevance
von: Yu, Lulu, et al.
Veröffentlicht: (2025)

AuthorityBench: Benchmarking LLM Authority Perception for Reliable Retrieval-Augmented Generation
von: Yao, Zhihui, et al.
Veröffentlicht: (2026)

Can LLM Annotations Replace User Clicks for Learning to Rank?
von: Yu, Lulu, et al.
Veröffentlicht: (2025)

Reproducibility Analysis and Enhancements for Multi-Aspect Dense Retriever with Aspect Learning
von: Bi, Keping, et al.
Veröffentlicht: (2024)

CIR at the NTCIR-17 ULTRE-2 Task
von: Yu, Lulu, et al.
Veröffentlicht: (2023)

Compressing then Matching: An Efficient Pre-training Paradigm for Multimodal Embedding
von: Li, Da, et al.
Veröffentlicht: (2025)

Contextual Dual Learning Algorithm with Listwise Distillation for Unbiased Learning to Rank
von: Yu, Lulu, et al.
Veröffentlicht: (2024)

Injecting External Knowledge into the Reasoning Process Enhances Retrieval-Augmented Generation
von: Tang, Minghao, et al.
Veröffentlicht: (2025)

Large Language Model-Powered Query-Driven Event Timeline Summarization in Industrial Search
von: Wang, Mingyue, et al.
Veröffentlicht: (2026)

GenCRF: Generative Clustering and Reformulation Framework for Enhanced Intent-Driven Information Retrieval
von: Seo, Wonduk, et al.
Veröffentlicht: (2024)

From Relevance to Utility: Evidence Retrieval with Feedback for Fact Verification
von: Zhang, Hengran, et al.
Veröffentlicht: (2023)

Are Large Language Models Good at Utility Judgments?
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

CoRanking: Collaborative Ranking with Small and Large Ranking Agents
von: Liu, Wenhan, et al.
Veröffentlicht: (2025)

A Multi-Granularity-Aware Aspect Learning Model for Multi-Aspect Dense Retrieval
von: Sun, Xiaojie, et al.
Veröffentlicht: (2023)

Agentic-R: Learning to Retrieve for Agentic Search
von: Liu, Wenhan, et al.
Veröffentlicht: (2026)

VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification
von: Qian, Haosheng, et al.
Veröffentlicht: (2025)

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning
von: Wei, Wenda, et al.
Veröffentlicht: (2025)

TourRank: Utilizing Large Language Models for Documents Ranking with a Tournament-Inspired Strategy
von: Chen, Yiqun, et al.
Veröffentlicht: (2024)

ID Embedding as Subtle Features of Content and Structure for Multimodal Recommendation
von: Liu, Yuting, et al.
Veröffentlicht: (2023)

RETLLM: Training and Data-Free MLLMs for Multimodal Information Retrieval
von: Su, Dawei, et al.
Veröffentlicht: (2026)

Attention Grounded Enhancement for Visual Document Retrieval
von: Cui, Wanqing, et al.
Veröffentlicht: (2025)

Lightweight Embeddings with Graph Rewiring for Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2025)

Lightweight Embeddings for Graph Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2024)

MA4DIV: Multi-Agent Reinforcement Learning for Search Result Diversification
von: Chen, Yiqun, et al.
Veröffentlicht: (2024)

Embedding-based Retrieval in Multimodal Content Moderation
von: Liang, Hanzhong, et al.
Veröffentlicht: (2025)