**揭示混合模态检索器的文本偏好与性能退化**

_Chaos in the Text: Revealing the Modality Preference in Mixed-Modality Retrievers_

> 研究发现混合模态检索器在文本与图像共存时性能显著下降，且无关文本比无关图像造成更严重的干扰（即“文本中的混沌”）。研究指出这是由于检索器对文本表示存在系统性偏好，导致无关文本得分高于相关图像。为此，论文提出 Trident 方法，通过构建文本、图像及融合视图作为共同正样本，利用多正样本视图 InfoNCE 联合优化，有效缓解了模态偏差，提升了混合模态检索的鲁棒性与准确性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.11816)