视觉文档检索框架 SCOUT：延迟最高降 80.7 倍，NDCG 反超 7.8%
_reachsumit · x · 2026-10-15
arXiv 论文提出 SCOUT，一个级联式视觉文档检索框架，解决现有视觉-语言检索器随语料规模增长的查询延迟问题。
方法要点：
- 双轨级联架构：视觉轨先用轻量 parent 检索器把语料筛成小候选池，再对候选施加更强的 multi-vector 重排器；语义轨在离线生成的层级化页面/文档摘要上检索，提供与视觉匹配互补的信号
- 跨模态查询精化：融合两轨输出时，用语义分数调整视觉查询表示后再排序
实验结果：在 4 个主流 benchmark、对比 6 个基线，查询延迟相对最佳基线最高降低 80.7 倍（平均 28.8 倍），同时检索性能最高超出 SOTA 7.8% NDCG。
「研究」频道最新
- 腾讯 ARC 发布 Player-1：用合成游戏经验做 agent 后训练 — _akhaliq · 2026-10-15
- 自称花 2000 美元让 AI 攻克图论最长路径难题,未经验证 — Regular_Post9884 · 2026-10-15
- Kornia 团队开源 Rust 版 SLAM：支持单目/立体/IMU 建图 — edgarriba · 2026-10-15
- TRL AsyncGRPO 上线 Tree Packing,同等奖励省 26 倍训练算力 — SergioPaniego · 2026-10-15
- ProbabilityBench：用精确真值概率评测 16 个模型的不确定性校准 — ishidalab · 2026-10-15
- Vela：用样条连续轨迹表示改造 VLA 模型，跨本体泛化操作 — Yifan Li · 2026-10-15