混合模态检索器中的模态偏好：文本中的混沌

研究发现密集检索器性能对模态组成高度敏感：当图像文档被语义对应的文本逐步替换时，检索性能呈明显 V 型曲线，单模态语料表现强劲，模态共存时显著下降。无关文本比等量无关图像造成更严重的性能退化，研究者称之为"文本中的混沌"，其根源是文本表示获得系统性更高的相似度分数。