כתבה
arXiv cs.AI ·
ניווט במרחב ויזואלי באמצעות אחזור עם השתלשלות רב-שלבית
Learning to Route in Visual Space via Multi-Step Embedding Retrieval
VHOP-Router הוא כלי חדש לניווט במרחב ויזואלי. הוא משתמש באחזור רב-שלבי כדי לשפר ביצועים. VHOP-Router מצליח להגיע לרמת ביצועים של 76.3% באחזור, ומשפר את שיעור ההצלחה בחיפוש על ידי 52.7%. הכלי מתאים לשימוש במודלים כמו LLM.
תקציר מקורי באנגליתarXiv:2609.38743v1 Announce Type: new Abstract: LLM agents rely on retrieval tools to access external knowledge, yet visual agentic search remains severely bottlenecked by standard single-step retrievers. In current pipelines, the agent must issue text queries for every intermediate step, struggling when visual clues are difficult to describe or when the retriever fails to surface necessary intermediate evidence within its top results. We hypothesize that offloading multi-step navigation across the entire embedding space directly to the retrieval tool resolves this performance bottleneck. To study this systematically, we introduce VHOP, a flexible data generation framework and benchmark with five core difficulty levels testing both visual matching and search planning. Using this framework,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית