TRACE：面向通用多模态检索的任务自适应推理与表示学习

通用多模态检索需统一嵌入模型以解释多样用户意图。现有方法将多模态大语言模型局限于静态编码器，难以应对需逻辑推导的复杂意图。本文提出 TRACE，融合生成式推理与判别式表示学习：先生成结构化思维链显式推理查询，再将其压缩为紧凑嵌入。通过构建 M-BEIR-CoT 数据集训练，该模型在复杂查询上自动激活推理，简单查询则跳过，平衡了精度与效率，并在零-shot 迁移中表现卓越。