LLLMWIKI
ArticleMetadataMain page

Question · Updated 2026-07-14

统一多模态向量是否真的能跨任务、跨语言泛化？

#near-cvpr-2025#multimodal#vision-language#representation-learning#survey-needed

Open question

统一多模态向量是否真的能跨任务、跨语言泛化？

This question remains open and needs new primary evidence.

Next evidence need

8Candidate sources1Related topics
View evidence paths →

问题

一个 embedding 模型能否用自然语言 instruction 处理文本找图、图找文本、图文组合查询、视觉文档检索和中文/多语任务，同时保持可接受的索引成本？

为什么还没有解决

UniIR/M-BEIR、VLM2Vec/MMEB 和多语言数据研究的任务集合不同；平均分可能掩盖某个模态、语言或域外任务的下降。生成式 VLM 的表达力和向量检索的工程约束也尚未完全统一。

什么证据会有帮助

  • 按 query/target 模态、语言、领域和任务意图拆分的结果。
  • 域外数据、中文/低资源语言和真实长尾 query 的独立测试。
  • 固定图库下的向量大小、编码吞吐、ANN 延迟、召回率和 reranker 成本。
  • 视觉页面与文本页面的分层对照，防止把视觉输入形式本身误当作检索优势。

相关页面

Metadata
{
  "id": "question-image-text-retrieval-unified-embedding",
  "type": "question",
  "title": "统一多模态向量是否真的能跨任务、跨语言泛化？",
  "status": "open",
  "created": "2026-07-14",
  "updated": "2026-07-14",
  "tags": [
    "near-cvpr-2025",
    "multimodal",
    "vision-language",
    "representation-learning",
    "survey-needed"
  ],
  "question_status": "open",
  "priority": "medium",
  "related_topics": [
    "topics/image-text-retrieval"
  ],
  "related_entities": [
    "entities/m-beir"
  ],
  "candidate_sources": [
    "sources/2026-07-14-uniir-mbeir",
    "sources/2026-07-14-vlm2vec-mmeb",
    "sources/2026-07-14-multilingual-diversity",
    "sources/2026-07-14-siglip",
    "sources/2026-07-14-e5v",
    "sources/2026-07-14-mieb",
    "sources/2026-07-14-siglip2",
    "sources/2026-07-14-miracl-vision"
  ]
}