[논문리뷰] Generative Late-Interaction Embeddings For Visual Document Retrieval본 논문은 Late-Interaction 모델이 고성능을 제공하지만, 페이지당 수천 개의 벡터를 저장해야 하는 과도한 저장 공간(Storage) 문제를 해결하고자 합니다. 기존의 압축 방식(Token pooling, Pruning)은 성능 저하가 크거나 모델을 재학습(Retraining)해야 한다는 한계가 있습니다.#Review#Late-Interaction#Visual Document Retrieval#Generative Embeddings#Manifold Learning#Spherical Anchoring#MaxSim#Compression2026년 9월 10일댓글 수 로딩 중
[논문리뷰] NeoMME: A Single-Tower Multimodal-Native Multilingual Foundation Encoder for Efficient Fine-Tuning and Inference본 논문은 기존 multimodal 모델들이 지나치게 복잡한 아키텍처를 사용하여 비효율적인 추론 및 fine-tuning 구조를 가진 문제를 해결하고자 합니다.#Review#Multimodal Encoder#Bidirectional Transformer#Visual Document Retrieval#Masked Discrete-Diffusion#Late-Interaction#Efficient Inference#Dynamic Resolution2026년 9월 2일댓글 수 로딩 중
[논문리뷰] Quantifying and Expanding the Theoretical Capacity of Late-Interaction Retrieval Models본 논문은 Late-Interaction 모델의 핵심 연산인 MaxSim이 왜 기존의 단일 벡터 기반 dense 또는 sparse retrieval 모델보다 성능이 우수한지 그 이론적 근거를 규명하고자 합니다.#Review#Late-Interaction#MaxSim#Information Retrieval#Neural Retrieval#Representation Learning#Inner Product2026년 7월 7일댓글 수 로딩 중
[논문리뷰] Code-Switching Information Retrieval: Benchmarks, Analysis, and the Limits of Current Retrievers본 논문은 코드 스위칭 검색 시스템의 성능 평가를 위해 인간이 주석을 단 CSR-L 벤치마크를 구축하고, 11개 작업을 포함하는 CS-MTEB를 통해 그 영향력을 정량적으로 분석하였다. 실험 결과, 쿼리 내 코드 스위칭만으로도 강력한 다국어 모델을 포함한 대부분의 시스템에서 유의미한 성능 저하가 발생함이 확인되었다.#Review#Information Retrieval#Code-Switching#Benchmark#Embedding Models#Robustness#Late-Interaction#Lexicon-Based Adaptation2026년 4월 21일댓글 수 로딩 중