https://techllm.github.io/tags/%EC%9E%AC%EC%88%9C%EC%9C%84/Recent content in 재순위 on TechLLMHugokoSat, 05 Sep 2026 07:59:04 +0900https://techllm.github.io/posts/core-improving-compositional-reasoning-in-mllm-embedding-via-reranker/Sat, 05 Sep 2026 07:59:04 +0900https://techllm.github.io/posts/core-improving-compositional-reasoning-in-mllm-embedding-via-reranker/MLLM 기반 임베딩 모델이 '속성-객체 결합' 같은 조합 추론을 잘 못 한다는 사실을, 같은 백본을 재순위(reranker)로 쓰면 정확히 구분된다는 관찰에서 출발한다. 합성된 5단계 난이도 후보 리스트와 Rank-KL 증류로 재순위 모델의 미세한 판단을 임베딩 공간에 이식했고, 8B 규모에서 reranker는 Jina 대비 +10.7점, embedding은 평가 대상 중 최고 평균을 달성했다.