arXiv cs.AI·32 天前★ 3

VHOP-Router：视觉空间多步嵌入检索路由

原文标题：Learning to Route in Visual Space via Multi-Step Embedding Retrieval

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 VHOP 数据生成框架与基准，以及 VHOP-Router 端到端训练管线，将标准嵌入模型改造为自回归多步检索器，直接在视觉潜空间检索图像链。检索性能从不足 5% 提升至 76.3%，智能体搜索任务成功率提升 52.7%，平均 token 长度减少 61%，上下文图像减少 23 倍。

论文速读 · 四段结构cs.CV去论文速读 →

问题: 视觉智能体搜索受限于单步检索器，中间视觉线索难以用文本查询表达。
方法: 提出 VHOP 数据生成框架与基准，及 VHOP-Router 端到端训练管线，将嵌入模型改造为视觉潜空间自回归多步检索器。
结果: 检索性能从不足 5% 提升至 76.3%，智能体搜索成功率提升 52.7%，平均 token 从 1886 降至 728（减少 61%），上下文图像减少 23 倍。
影响: 视觉检索可直接在潜空间多步导航，显著降本增效，优于单纯升级智能体模型。

深读 · 结论先行AI 生成展开看要点与影响 ↓

VHOP-Router把嵌入模型改造成自回归多步检索器，检索性能从不足5%升至76.3%。

为什么重要：视觉智能体搜索的瓶颈在检索器而非智能体本身，把多步导航下推到检索工具，对做多模态RAG与智能体检索的团队是明确的方向信号。

以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。

所属主题智能体50

AI 处理过程展开/收起

原始标题：Learning to Route in Visual Space via Multi-Step Embedding Retrieval

AI 中文标题：VHOP-Router：视觉空间多步嵌入检索路由

来源：arXiv cs.AI · 发布于 32 天前

分类：学术研究 · AI 重要度：★ 3（3）

标签：检索增强 / 多模态 / 智能体 / 嵌入检索

关键词：visual retrieval / embedding / agentic search / multi-step retrieval

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐