研究人员推出了一种名为自适应重排序（Adaptive Re-Ranking）的框架，旨在优化信息检索系统的计算成本和延迟。该方法根据查询的复杂性进行路由，采用不同的重排序模型——从稀疏检索（BM25）到重型神经重排序（BGE-v2-m3）——以避免对简单查询进行不必要的处理。该方法在各种数据集上展示了中位数和平均延迟的显著降低，并取得了具有竞争力的nDCG@10分数。 AI
影响 有潜力显著降低搜索和检索系统的延迟和计算成本。
排序理由 详细介绍信息检索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Adaptive Re-Ranking
- alphaXiv
- arXiv
- BGE-v2-m3
- BM25
- DagsHub
- Emir Korukluoglu
- Hugging Face
- MiniLM-L6-v2
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
