多模态检索新突破，用软标签打破传统刚性映射约束，全面超越CLIP｜AAAI 2026 Oral

UniME-V2提出基于“MLLM-as-a-Judge”的新方法，通过多模态大模型生成软语义匹配分数，精准挖掘高质量困难负例，提升统一多模态嵌入模型的判别能力。实验显示，其在MMEB基准上相较VLM2Vec最高提升3.5%，超越多个先进模型0.5%-0.9%，OOD得分为66.7；在SugarCrepe任务中性能提升达9.2%。配套重排序模型UniME-V2-Reranker在少数据下仍优于LamRA，最高提升7.4%，展现出更强的语义区分与泛化能力。
来源：https://mp.weixin.qq.com/s/LnSqRpnxH33lzmCAFeGfHA