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。

该研究探讨了双编码器在信息检索中的应用，提出结合双编码器与注意力结构的神经模型，以提高检索精度。同时，介绍了无监督训练的密集感知器和稀疏表达的SPLADE检索器，证明其在效率和效果上的优势。此外，提出了新颖的稀疏技术和学习稀疏检索方法，显著提升了检索性能。

该研究提出了MoTaDual框架，旨在解决复合图像检索中的高成本和零-shot能力不足的问题。通过模态-任务双重对齐，显著提升了检索性能，降低了训练时间和计算成本。实验结果表明，该框架在多个基准测试中表现优异。

本研究提出了一种名为推理调优的方法，旨在改善稠密段落检索中的相关性评分模糊性问题。实验结果表明，该方法能有效提升检索性能，并与现有方法高效结合。

本文提出了一种多语言嵌入框架，通过将图像和文本嵌入到统一的向量空间中，实现高效的图像文本检索。研究表明，稀疏表示和多模态大型语言模型（MLLMs）能够提升检索性能，改善推理速度和准确性，鼓励对MLLMs的进一步研究。