English(EN) SERM: Self-Evolving Relevance Model with Agent-Driven Learning from Massive Query Streams

新的SERM方法通过代理驱动的学习增强相关性模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-28 04:00

研究人员开发了一种自演化相关性模型（SERM），以应对动态查询流相关性模型训练中的挑战。SERM 利用两个多代理模块：一个用于识别信息性样本，另一个通过两级一致性框架生成可靠标签。在服务数十亿每日请求的大规模工业环境中进行评估，SERM 通过迭代自演化展示了显著的性能提升，并通过离线多语言评估和在线测试得到证实。 AI

影响这种新颖的相关性建模方法可以提高大规模工业应用中搜索结果的准确性和用户体验。

排序理由该集群描述了一篇详细介绍新模型架构及其评估的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Chenglong Wang, Canjia Li, Xingzhao Zhu, Yifu Huo, Huiyu Wang, Weixiong Lin, Yun Yang, Qiaozhi He, Tianhua Zhou, Xiaojia Chang, Jingbo Zhu, Tong Xiao · 2026-07-28 04:00

SERM：基于代理驱动的自演化相关性模型，从海量查询流中学习

arXiv:2601.09515v3 Announce Type: replace Abstract: Due to the dynamically evolving nature of real-world query streams, relevance models struggle to generalize to practical search scenarios. A sophisticated solution is self-evolution techniques. However, in large-scale industrial…

报道来源 [1]

SERM：基于代理驱动的自演化相关性模型，从海量查询流中学习

相关实体

相关话题