新的H+ Embedding系统统一了全局和令牌级检索

研究人员开发了H+ Embedding，这是一种新颖的检索系统，旨在提高信息检索的准确性，尤其是在医学等专业领域。该系统通过创建一种统一的方法来解决现有方法的局限性，该方法考虑了从全局文档向量到单个令牌的多个粒度级别。H+ Embedding 预测可变长度的短语分区，并使用重要性引导的选择过程来平衡检索质量和计算成本。在各种科学和医学任务上的实验表明，其短语检索分支的性能明显优于全局检索，并且在资源需求较少的情况下，其性能与令牌级方法非常接近。 AI

影响 这种新的检索方法可以提高专业领域信息发现的效率和准确性。

排序理由 这是一篇详细介绍一种新的信息检索方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• H+ Embedding
• Hugging Face
• Litmaps
• MaxSimum
• ScienceCast
• scite Smart Citations

• 论文
• 基础设施

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