AutoRegressive Retriever：用物品反馈改进查询理解
Get the story
2026年10月9日，arXiv（Information Retrieval，一手来源）发表论文，提出 AutoRegressive Retriever（ARR），一种面向通用多模态检索的模型。ARR 的核心思路是交替检索物品并更新查询嵌入，再用最终嵌入对物品集合排序。训练上，ARR 采用监督微调的逐步对比监督，以及把反馈物品当作动作的强化学习，并通过查询侧适配器在固定物品索引上进行优化。实验显示，ARR 在域内与零样本基准上平均优于对比基线；分析表明，反馈在推理时改进检索，训练反馈也改进了初始查询嵌入。目前报道仅此一篇，未见后续验证或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Information RetrievalAutoRegressive Retriever：用物品反馈改进查询理解，实现通用多模态检索
论文提出 AutoRegressive Retriever（ARR），一种多模态检索模型，交替检索物品并更新查询嵌入，再用最终嵌入对集合排序。ARR 通过监督微调的逐步对比监督与把反馈物品当作动作的强化学习进行训练，并用查询侧适配器在固定物品索引上优化。ARR 在域内与零样本基准上平均优于对比基线，分析显示反馈在推理时改进检索，训练反馈也改进了初始查询嵌入。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.