Report on the 3rd Joint Workshop on Bibliometric-enhanced Information Retrieval and Natural Language Processing for Digital Libraries (BIRNDL 2018)
$3^{rd}$联合BIRNDL研讨会在美国安娜堡举行的第41届ACM SIGIR信息检索研究与开发会议（SIGIR 2018）上举行。BIRNDL 2018旨在激励IR研究人员和数字图书馆专业人员详细阐述自然语言处理，信息检索，科学计量学和推荐技术的新方法，这些方法可以大规模地推进学术文档理解，分析和检索的最新技术。研讨会包括三个论文会议和CL-SciSumm共享任务的$4^{th}$版本。
2018-12-02 cs.DL cs.IR
UniHEAR: Unified Heterogeneous-Source Attentive Retrieval for Knowledge-Based Visual Question Answering
School of Aeronautics and Astronautics, Sichuan University（四川大学航空航天学院）
针对KB-VQA现有系统的单源检索瓶颈与检索源盲重排序问题，提出UniHEAR框架，在E-VQA和InfoSeek数据集上实现最优检索与VQA性能，提升Recall@1达6.7和1.2个点。
2026-08-06 cs.CL cs.CV cs.IR
Joint Learning of Deep Retrieval Model and Product Quantization based Embedding Index
嵌入索引可以实现快速近似最近邻（ANN）搜索，是最先进的深度检索系统不可或缺的组成部分。传统的方法通常将嵌入学习和索引构建这两个步骤分开，这会导致额外的索引时间和衰退的检索准确性。在本文中，我们提出了一种名为Poeem的新方法，该方法代表基于产品量化的嵌入索引与深度检索模型联合训练，通过利用包括梯度直通估计器，热启动策略，最佳空间分解和Givens旋转在内的一些技术，将两个单独的步骤统一在端到端训练中。大量的实验结果表明，该方法不仅提高了检索精度显着，但也减少了索引时间几乎为零。为了比较和可重复性，我们已经开放了我们的方法。
2021-05-28 cs.IR
Sparse and Dense Retrievers Learn Better Together: Joint Sparse-Dense Optimization for Text-Image Retrieval
Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院）；NAVER Corporation（NAVER公司）
本文提出一种基于自知识蒸馏的稀疏-稠密联合优化框架，通过集成相似度分数实现双向学习，仅微调稠密编码器末层与稀疏投影头，使稀疏检索器在MSCOCO和Flickr30k上超越稀疏基线并达到或超过稠密模型性能。
2025-08-22 cs.CL cs.IR cs.LG
LILaC: Late Interacting in Layered Component Graph for Open-domain Multimodal Multihop Retrieval
POSTECH（浦项工科大学）；DirectorLabs
LILaC通过分层组件图和后期交互子图检索方法，提升开放域多模态多跳检索的精度与效率。
2026-02-04 cs.IR
How Can Context Help? Exploring Joint Retrieval of Passage and Personalized Context
IBM Research AI（IBM研究院人工智能部门）；Rensselaer Polytechnic Institute（伦斯勒理工学院）
针对个性化上下文融入文档对话系统研究不足的问题，提出上下文感知段落检索任务，构建专用数据集并提出PCAS方法，实验证明其在段落检索和相关上下文识别上均优于基线，可为该方向研究提供支撑。
2023-08-26 cs.AI cs.CL cs.IR
Mixed-modality Representation Learning and Pre-training for Joint Table-and-Text Retrieval in OpenQA
Microsoft STC Asia（微软亚洲软件工程技术中心）；Microsoft Research Asia（微软亚洲研究院）；Beihang University（北京航空航天大学）；Sun Yat-sen University（中山大学）
开放领域问答（OpenQA）提供了更全面的信息，从表格和文本资源中检索证据是必不可少的。然而，训练一个有效的密集表文本检索是困难的，由于挑战的表文本的差异和数据稀疏性问题。为了解决上述挑战，我们引入了一个优化的OpenQA表格文本检索器（OTTeR），以联合检索表格和文本证据。首先，我们提出了两种增强混合模态表示学习的机制：模态增强表征和混合模态负采样策略。其次，为了缓解数据稀疏性问题，提高整体检索能力，我们进行了以检索为中心的混合模态综合预训练。实验结果表明，OTTeR大大提高了性能的表和文本检索的OTT-QA数据集。全面分析审查了所有拟议机制的有效性。此外，配备了OTTeR，我们的OpenQA系统在下游QA任务上取得了最先进的结果，在精确匹配方面比之前的最佳系统绝对提高了10.1%。所有的代码和数据都可以在https://github.com/Jun-jie-Huang/OTTeR上找到。
2022-10-11 cs.AI cs.CL cs.IR
Joint Audio-Video Fingerprint Media Retrieval Using Rate-Coverage Optimization
在这项工作中，我们提出了一个联合音频和视频指纹自动内容识别（ACR）技术的媒体检索。该问题的重点是如何平衡查询精度和指纹的大小，以及如何将指纹的比特分配到视频帧和音频帧中，以达到最佳的查询精度。通过构造一个新的概念称为覆盖，这是高度相关的查询精度，我们能够形成一个率覆盖模型，将原来的问题转化为一个优化问题，可以解决的动态规划。据我们所知，这是第一个工作，使用联合音频-视频指纹ACR技术的媒体检索与理论问题制定。实验结果表明，与参考算法相比，该方法在使用60%总码率的情况下，查询准确率提高了25%;在达到85%准确率的情况下，码率降低了25%;且性能明显优于使用单一音频或视频源指纹的解决方案。
2016-09-05 cs.IR
Joint Workshop on Bibliometric-enhanced Information Retrieval and Natural Language Processing for Digital Libraries (BIRNDL 2017)
大量的学术出版物对学者的信息寻求和意义建构提出了挑战。文献计量学、信息检索（IR）、文本挖掘和自然语言处理技术可以帮助这些搜索和查找活动，但尚未得到广泛使用。本次研讨会旨在激励IR研究人员和数字图书馆专业人员详细阐述自然语言处理、信息检索、科学计量学、文本挖掘和推荐技术方面的新方法，这些方法可以大规模地推进学术文档理解、分析和检索方面的最新技术。SIGIR 2017的BIRNDL研讨会将包括特邀演讲，论文会议和第三版计算语言学（CL）科学总结共享任务。
2017-06-08 cs.DL cs.IR
Learning Joint Embedding for Cross-Modal Retrieval
跨模态检索过程是使用一种模态中的查询来获得另一种模态中的相关数据。跨模态检索的挑战性问题在于如何消除异构数据之间的相似性计算，这在图像-文本、音频-文本和视频-文本跨模态多媒体数据采掘和检索中得到了广泛的讨论。然而，不同的数据模态的时间结构的差距没有得到很好的解决，由于缺乏时间跨模态结构之间的对齐关系。我们的研究重点是学习不同模态之间的相关性，以完成跨模态检索任务。我们提出了一个架构：监督深度典型相关分析（S-DCCA），跨模态检索。在这篇论坛论文中，我们将讨论如何利用三元组神经网络（TNN）来增强跨模态检索的相关学习。实验结果表明，在监督学习提取数据表示时，本文提出的基于TNN的监督相关学习结构可以获得最佳的结果。
2019-08-21 cs.IR cs.MM
A Neural Model for Joint Document and Snippet Ranking in Question Answering for Large Document Collections
Athens University of Economics and Business（雅典经济与商业大学）；Research Center ‘Athena’（“雅典娜”研究中心）；Institute for Language and Speech Processing（语言与语音处理研究所）
用于大型文档集合的问答（QA）系统通常使用流水线，该流水线（i）检索可能相关的文档，（ii）对它们进行重新排名，（iii）对排名靠前的文档的段落或其他片段进行排名，以及（iv）选择排名靠前的片段的跨度作为精确答案。管道在概念上很简单，但是错误会从一个组件传播到下一个组件，后面的组件无法修改前面的决策。我们提出了一个架构，联合文档和片段排名，两个中间阶段，利用相关文档有好的片段和好的片段来自相关文档的直觉。该架构是通用的，可以用于任何神经文本相关性排名器。我们的实验与两个主要的实例化的架构，基于POSIT-DRMM（PDRMM）和基于BERT的排名。在BIOASQ生物医学数据上的实验表明，我们的联合模型在片段检索（QA的主要目标）中的性能大大优于管道，可训练参数较少，在文档检索中也具有竞争力。此外，我们的联合PDRMM为基础的模型是有竞争力的BERT为基础的模型，尽管使用数量级较少的参数。对BIOASQ的两个试验批次进行的人体评价也支持这些声明。为了在另一个数据集上测试我们的关键发现，我们修改了Natural Questions数据集，使其也可以用于文档和片段检索。我们的基于PDRMM的联合模型在修改后的Natural Questions数据集上的片段检索中再次优于相应的管道，尽管它在文档检索中的表现不如管道。我们公开了我们的代码和修改后的Natural Questions数据集。
2021-06-16 cs.IR cs.LG
Fine-grained Motion Retrieval via Joint-Angle Motion Images and Token-Patch Late Interaction
Aalto University（阿尔托大学）；Fudan University（复旦大学）；Georgia Institute of Technology（佐治亚理工学院）
提出一种可解释的关节角度运动表示，结合预训练视觉Transformer和令牌级后期交互机制，实现文本与3D运动之间的细粒度对齐，在HumanML3D和KIT-ML上超越现有方法。
2026-11-03 cs.CV cs.IR
JMLR: Joint Medical LLM and Retrieval Training for Enhancing Reasoning and Professional Question Answering Capability
Manning College of Information and Computer Sciences, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校信息与计算机科学学院）；Department of Medicine, University of Massachusetts Medical School（马萨诸塞大学医学院医学系）；Miner School of Computer and Information Sciences, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校计算机与信息科学学院）；Center for Healthcare Organization and Implementation Research, VA Bedford Health Care（弗吉尼亚州贝德福德医疗保健系统医疗保健组织与实施研究中心）
本文提出JMLR方法，在微调阶段联合训练大语言模型与信息检索，以增强医学问答中的推理能力并减少幻觉，实验表明JMLR-13B在准确率和训练效率上均优于多个基线模型。
2024-06-28 cs.CL cs.IR
Phrase Retrieval Learns Passage Retrieval, Too
Princeton University（普林斯顿大学）；Korea University（高丽大学）
密集检索方法在一系列自然语言处理问题中显示出比稀疏检索方法更好的前景。其中，密集短语检索是最细粒度的检索单元，因为短语可以直接用作问答和槽填充任务的输出。在这项工作中，我们遵循的直觉，检索短语自然需要检索较大的文本块，并研究短语检索是否可以作为粗层次检索，包括段落和文件的基础。我们首先观察到，与段落检索器相比，密集短语检索系统在没有任何再训练的情况下已经实现了更好的段落检索准确度（前5名准确度为+3-5%），这也有助于以更少的段落实现卓越的端到端QA性能。然后，我们提供了一个解释，为什么短语级监督有助于学习更好的细粒度蕴涵相比，短语级监督，也表明，短语检索可以得到改善，以实现有竞争力的性能，在文档检索任务，如实体链接和知识为基础的对话。最后，我们展示了短语过滤和矢量量化如何将索引的大小减少4 - 10倍，使密集短语检索成为多粒度检索中实用且通用的解决方案。
2021-09-16 cs.CL cs.IR
List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
针对检索结果重排序与截断分离导致的上下文共享不足和错误累积问题，提出联合模型GenRT，基于编码器-解码器生成范式同时执行两项任务，并在公开基准上取得SOTA性能。
2024-02-05 cs.AI cs.CL cs.IR
SSEmb: A Joint Structural and Semantic Embedding Framework for Mathematical Formula Retrieval
SSEmb通过图对比学习和Sentence-BERT联合建模公式的结构与语义，在ARQMath-3上显著提升检索性能，并与Approach0结合达到最优。
2025-08-07 cs.IR
Quantifying Hidden Salt for Precision Healthcare: Sodium Assessment via Joint-Factor Retrieval and Chain-of-Thought Inference
University of Chinese Academy of Sciences（中国科学院大学）
针对食谱中隐藏钠难以监测的问题，提出SALT框架，结合联合因子检索与4跳思维链推理，在SALT54k数据集上实现最先进的钠含量估计，助力精准医疗。
2026-09-22 cs.CL cs.HC cs.IR
RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval
Télécom SudParis, Institut Polytechnique de Paris（巴黎理工学院电信南巴黎学院）；Özyeğin University（奥兹耶金大学）
RetrievalRouter是一种轻量级查询感知路由模型，仅从查询文本为每个文档检索任务匹配合适流程，在金融、科学语料库基准测试中，其准确率较最佳静态基准高2.5%、速度快12.4倍，且优于现有自适应策略选择方法。
2026-08-27 cs.IR
Learning Joint Embedding with Modality Alignments for Cross-Modal Retrieval of Recipes and Food Images
Georgia Institute of Technology（佐治亚理工学院）；Wuhan University of Technology（武汉理工大学）
本文提出了一种学习文本图像联合嵌入的三层模态对齐方法，称为JEMA，用于烹饪食谱和食物图像的跨模态检索。第一层通过使用术语提取和排序增强序列模式优化LSTM网络来改进食谱文本嵌入，并通过将ResNeXt-101图像编码器与使用wideResNet-50和word 2 vec的类别嵌入相结合来优化图像嵌入。第二层模态对齐使用具有软边缘优化的双批硬三重损失来优化纹理-视觉联合嵌入损失函数。第三模态对齐结合了两种类型的跨模态对齐作为辅助损失正则化，以进一步减少两个模态特定嵌入函数的联合学习中的对齐误差。基于类别的跨模态对齐旨在将图像类别与食谱类别对齐，作为对联合嵌入的损失正则化。基于跨模态鉴别器的对齐旨在添加视觉-文本嵌入分布对齐以进一步正则化联合嵌入损失。使用100万个食谱基准数据集Recipe 1 M进行的大量实验表明，所提出的JEMA方法在图像到食谱和食谱到图像检索方面优于最先进的交叉模态嵌入方法。
2021-08-18 cs.CV cs.IR
Do We Still Need Gazetteers in the Era of LLMs? Chaining Retrieval with a Spatial Neuro-Symbolic Index
RMIT University（皇家墨尔本理工大学）
本研究评估文本编码器能否作为空间语义索引，通过对比暴力最近邻与层次束搜索两种检索策略，发现无约束密集检索易出错，层次约束改善粗粒度定位但细粒度仍有限。
2026-10-07 cs.IR
Webly Supervised Joint Embedding for Cross-Modal Image-Text Retrieval
University of California, Riverside（加州大学河滨分校）
视觉数据和自然语言描述之间的跨模态检索一直是多媒体领域的一个挑战。虽然最近的图像-文本检索方法通过学习跨模态对齐的深度表示提供了很大的希望，但这些方法中的大多数都受到小规模数据集的训练问题的困扰，这些小规模数据集覆盖了有限数量的具有地面真理句子的图像。此外，通过用句子注释数百万张图像来创建更大的数据集是非常昂贵的，并且可能导致有偏见的模型。受最近深度神经网络中Web监督学习的成功启发，我们利用带有噪声注释的现成Web图像来学习鲁棒的图像-文本联合表示。具体来说，我们的主要想法是利用Web图像和相应的标签，以及完全注释的数据集，来训练学习视觉语义联合嵌入。我们提出了一个两阶段的任务，可以增强一个典型的监督成对排序损失为基础的配方与弱注释的网络图像学习更强大的视觉语义嵌入。两个标准的基准数据集上的实验表明，我们的方法实现了显着的性能增益相比，国家的最先进的方法在图像-文本检索。
2018-08-23 cs.CV cs.IR cs.MM
MLLM-Guided VLM Fine-Tuning with Joint Inference for Zero-Shot Composed Image Retrieval
College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院）；Department of Computer Science, University of California, Los Angeles, USA（加州大学洛杉矶分校计算机科学系）；Sun Yat-sen University Shenzhen Campus, School of Cyber Science and Technology, Shenzhen, China（中山大学深圳校区信息科学与技术学院）
针对零样本组合图像检索中组合查询表示未直接优化的问题，提出MVFT-JI方法，利用MLLM构建两个互补训练任务微调VLM，并在推理时联合MLLM生成文本与相似度计算，提升检索性能。
2025-05-26 cs.CV cs.IR
CORONA: A Coarse-to-Fine Framework for Graph-based Recommendation with Large Language Models
Beijing University of Posts and Telecommunications（北京邮电大学）
CORONA提出由粗到细框架，在候选过滤阶段利用大语言模型推理能力，结合图神经网络逐步缩小候选范围，实现推荐性能显著提升。
2025-06-14 cs.AI cs.IR
Towards Effective Negation Modeling in Joint Audio-Text Models for Music
Queen Mary University of London（伦敦玛丽女王大学）；Spotify
本文提出通过文本增强和对比损失改进音乐联合模型中的否定建模，提升检索性能的同时增强否定处理能力。
2026-01-20 cs.IR cs.LG cs.SD
Learning TFIDF Enhanced Joint Embedding for Recipe-Image Cross-Modal Retrieval Service
Georgia Institute of Technology（佐治亚理工学院）；Wuhan University of Technology（武汉理工大学）
人们普遍认为，由于烹饪过程中成分的多样性和变形，学习具有图像的食谱的联合嵌入具有挑战性。我们提出了一种多模态语义增强的联合嵌入方法（MSJE），用于学习两种模态（文本和图像）之间的共同特征空间，最终目标是提供高性能的跨模态检索服务。我们的MSJE方法有三个独特的特点。首先，我们从菜谱的标题、配料和烹饪说明中提取TFIDF特征。通过将LSTM学习的特征与TFIDF特征相结合来确定单词序列的重要性，我们将食谱编码为TFIDF加权向量，以捕获重要的关键术语以及这些关键术语如何在相应的烹饪指令中使用。其次，我们将配方TFIDF特征与通过两阶段LSTM网络提取的配方序列特征相结合，这可以有效地捕获配方及其相关图像之间的独特关系。第三，我们进一步结合TFIDF增强的类别语义，以改善图像模态的映射，并在跨模态联合嵌入的迭代学习过程中调节相似性损失函数。在基准数据集Recipe1M上的实验表明，该方法优于现有的方法。
2021-08-02 cs.CV cs.IR
CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search
Center for Intelligent Information Retrieval, University of Massachusetts Amherst（智能信息检索中心，马萨诸塞大学阿默斯特分校）；Snap Inc（Snap公司）
本文提出CoSearch框架，通过群体相对策略优化联合训练推理代理和生成文档排序模型，以解决代理搜索中检索系统性能瓶颈问题，实验表明其在多个问答基准上表现优异。
2026-04-21 cs.AI cs.CL cs.IR
Joint Modeling and Optimization of Search and Recommendation
尽管开发搜索引擎和推荐系统所使用的技术有些不同，但它们都遵循相同的目标：帮助人们在正确的时间获得所需的信息。由于这个共同的目标，搜索和推荐模型可以潜在地相互受益。神经网络技术的最新进展使其有效且易于扩展用于各种任务，包括检索和推荐。这提高了联合建模和优化搜索排名和推荐算法的可能性，对两者都有潜在的好处。在本文中，我们提出了理论和实践的原因，激励联合建模的搜索和推荐作为一个研究方向。我们提出了一个通用的框架，同时学习检索模型和推荐模型，通过优化联合损失函数。我们在产品数据集上的初步结果表明，所提出的联合建模大大优于独立训练的检索和推荐模型。我们列出了这一研究领域的一些未来方向，这些方向可能会导致最先进的搜索和推荐模型的发展。
2018-07-15 cs.IR
Learning Text-Image Joint Embedding for Efficient Cross-Modal Retrieval with Deep Feature Engineering
Georgia Institute of Technology（佐治亚理工学院）
本文介绍了一种用于语义增强联合嵌入高效学习的两阶段深度特征工程框架，该框架将数据预处理中的深度特征工程与文本-图像联合嵌入模型的训练明确分离。我们使用Recipe 1 M数据集进行技术描述和实证验证。在预处理中，我们通过将深度特征工程与从原始文本图像输入数据中获得的语义上下文特征相结合来执行深度特征工程。我们利用LSTM来识别关键词，使用BERT家族的深度NLP模型，TextRank或TF-IDF来生成关键词的排名分数，然后使用word 2 vec为每个关键词生成矢量表示。我们利用wideResNet 50和word 2 vec来提取和编码食物图像的图像类别语义，以帮助在联合潜在空间中学习食谱和图像嵌入的语义对齐。在联合嵌入学习中，我们通过优化具有软边缘和双负采样的批量硬三元组损失函数来执行深度特征工程，同时考虑到基于类别的对齐损失和基于鉴别器的对齐损失。大量的实验表明，我们的SEJE方法与深度特征工程显着优于国家的最先进的方法。
2021-10-22 cs.CV cs.IR
A Simple and Effective Framework for Symmetric Consistent Indexing in Large-Scale Dense Retrieval
JD.com China（京东中国）；Institute of Information Engineering, Chinese Academy of Sciences China（中国科学院信息工程研究所）
本文提出SCI框架，通过双塔协同和对称表示对齐，解决大规模密集检索中表示空间错位和索引不一致问题，提升检索精度与稳定性。
2025-12-15 cs.AI cs.IR
Rudder: A Cross Lingual Video and Text Retrieval Dataset
使用自然语言查询的视频检索需要学习文本和视听输入之间的语义上有意义的联合嵌入。通常，这种联合嵌入是使用成对（或三重）对比损失目标来学习的，这在训练过程中无法对“难以检索”的样本给予足够的关注。这个问题在数据稀缺的设置中尤其明显，其中数据相对较小（大规模MSR-VTT的10%）以覆盖相当复杂的视听嵌入空间。在这种情况下，我们介绍舵-一个多语言的视频文本检索数据集，包括音频和文字字幕在马拉地语，印地语，泰米尔语，卡纳达语，马拉雅拉姆语和泰卢固语。此外，我们建议通过使用领域知识来弥补数据稀缺性，以增强监督。为此，除了传统的三个样本的三元组（锚，积极的，和消极的），我们引入了第四个术语-偏-定义一个基于偏序损失的差分余量。分音被逐行采样，使得它们在语义上位于阳性和阴性之间的重叠区域中，从而导致更宽的嵌入覆盖。我们的建议始终优于传统的最大余量和三重损失，并提高了MSR-VTT和DiDeMO数据集的最新水平。我们报告了Rudder的基准测试结果，同时还观察到使用提出的偏序丢失获得的显着收益，特别是当特定语言的检索模型通过利用特定语言数据集的跨语言对齐进行联合训练时。
2021-03-09 cs.IR
HotelMatch-LLM: Joint Multi-Task Training of Small and Large Language Models for Efficient Multimodal Hotel Retrieval
Leiden University（莱顿大学）
本文提出 HotelMatch-LLM，通过多任务目标与 SLM/LLM 非对称架构实现自然语言多模态酒店检索，并在四个测试集上显著优于 VISTA 和 MARVEL。
2025-06-08 cs.AI cs.CV cs.IR
Search Is Not Retrieval: Decoupling Semantic Matching from Contextual Assembly in RAG
Services AI Research Group, Dell Technologies（Dell Technologies人工智能服务研究组）
针对现有RAG检索系统混淆相关信息查找与推理上下文供给的问题，提出SINR双层解耦框架，在无额外开销下提升检索性能，为下一代检索增强AI系统提供基础。
2025-11-12 cs.AI cs.IR
JEPOO: Highly Accurate Joint Estimation of Pitch, Onset and Offset for Music Information Retrieval
School of Information, Renmin University of China（中国人民大学信息学院）；Tsinghua University（清华大学）
提出高精度联合估计方法 JEPOO，通过新模型设计与 Pareto 调制损失优化技术，首次统一处理单音高与多音高数据，在多项真实数据集上显著超越现有方法。
2023-07-07 cs.IR cs.MM cs.SD
ResRank: Unifying Retrieval and Listwise Reranking via End-to-End Joint Training with Residual Passage Compression
Qwen Applications Business Group of Alibaba（阿里巴巴Qwen应用业务组）
ResRank通过端到端联合训练与残差段落压缩技术，解决传统重排序方法中输入长度增加导致的排名质量下降和推理延迟问题，实现高效且有效的检索与重排序统一。
2026-04-24 cs.AI cs.IR
Imagine Before Concentration: Diffusion-Guided Registers Enhance Partially Relevant Video Retrieval
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Peng Cheng Laboratory（鹏城实验室）
本文提出DreamPRVR，通过粗到细的表示学习范式，利用扩散模型生成全局语义寄存器，提升部分相关视频检索的准确性与鲁棒性。
2026-04-04 cs.CV cs.IR cs.MM
Beyond Retrieval: Joint Supervision and Multimodal Document Ranking for Textbook Question Answering
Faculty of Computing and Information Technology, King Abdulaziz University（计算机与信息科技学院，国王阿卜杜勒阿齐兹大学）；College of Computer and Information Science, Imam Mohammad Ibn Saud Islamic University (IMSIU)（计算机与信息科学学院，伊玛目穆罕默德·本·萨乌德伊斯兰大学）；School of Computing, Macquarie University（计算学院，麦考瑞大学）
本文提出JETRTQA，一种基于检索器-生成器架构的多模态教材问答方法，通过联合排序监督与隐式监督增强语义表示，在CK12-QA数据集上显著提升文档区分度，准确率较先前最优提高2.4%至11.1%。
2026-09-09 cs.AI cs.IR
Joint-Dataset Learning and Cross-Consistent Regularization for Text-to-Motion Retrieval
ISTI-CNR；Masaryk University（马萨里克大学）
针对文本-动作检索训练数据不足的问题，提出多数据集联合学习、CCCL正则化及MoT++动作编码器，并在KIT Motion-Language与HumanML3D上验证有效性。
2024-07-02 cs.CV cs.IR cs.MM
