【VR】Embed-RL: Reinforcement Learning for Reasoning-Driven Multimodal Embeddings
note
Reasoner:读取 Query;生成面向检索的 T-CoT(可追溯证据推理);文本提取关键词、图片定位 bbox、视频选择关键帧Embedder:输入原始内容 T-CoT 关键区域/关键帧;输出最终 embedding&#x…
2026/7/17 5:24:12