快手与东北大学联合推出UNITE框架，旨在解决多模态检索中的跨模态干扰问题。该框架能够处理文本、图像和视频等多种输入，采用模态感知对比学习机制，显著提升检索性能。在多个评测中，UNITE表现优异，超越现有模型，展现出良好的通用性和综合性能。

本研究指出视觉语言模型在抽象语言处理上的不足，提出了一种无训练的方法——抽象到具体翻译器（ACT），显著提升了文本到图像的检索性能。

本研究提出了一种新框架，优化多向量数据库的索引选择，解决了现有多向量搜索索引的不足。该框架在满足存储和召回限制的同时，延迟减少了2.1到8.3倍，显著提升了检索性能。

本研究提出了一种新的生成式跨模态检索框架SemCORE，解决了现有方法在语义信息方面的不足。通过结构化自然语言标识符和生成语义验证策略，SemCORE提升了语义理解能力，并在多个数据集上显著提高了检索性能。

智源发布的BGE-VL模型在多模态检索中表现优异，仅需1/70的数据量即可实现更好的效果。该模型通过MegaPairs合成数据，训练出2600万条样本，显著提升了检索性能，并在多个基准测试中超越传统方法，展现出高效性和可扩展性。

ReTreever是一种基于树的文档检索方法，旨在解决传统高维嵌入编码的内存和计算负担。该方法通过不同粒度组织参考文档，优化检索性能，评估结果显示其在准确度、检索精度和延迟方面表现优异，为实际应用提供了有效解决方案。

本文提出了一种新方法GeAR，解决了传统文档检索中对语义相似度和细粒度语义关系的忽视。GeAR通过融合与解码模块生成相关文本，专注于细粒度信息，且无额外计算负担，展现出优越的检索性能。

本研究提出了一种新的分布一致性引导的多模态哈希（DCGMH）方法，旨在解决多模态哈希中的噪声标签问题。该方法通过识别分布一致性模式，有效过滤和重构噪声标签，从而提升检索性能。实验结果表明，DCGMH在多模态检索任务中优于现有方法。

本研究提出了一种新的CLIP多模态哈希方法（CLIPMH），通过CLIP框架融合文本和视觉特征生成哈希码，提升多模态检索性能，mAP提高8.38%。

本文介绍了一种通过多阶段训练扩大双编码器模型规模的方法，解决了双编码器在不同域上的推广问题。该方法在域外泛化和检索性能方面取得了显著提高，优于现有的检索模型。消融研究还发现该方法在数据效率方面非常高效。

本文介绍了GTR模型，它是一种双编码器模型，通过多阶段训练并扩大模型规模，在保持瓶颈嵌入大小不变的情况下，成功挑战了双编码器无法推广到其他域的观念。GTR在域外泛化方面表现出显著的检索性能提高，并且在BEIR数据集上优于现有的稀疏和密集的检索模型。消融研究表明，GTR在数据效率方面非常高效，只需要MS Marco 10％的监督数据即可实现最佳的跨域检索性能。