研究人员开发了一个名为TTT-Embed的新框架，以在测试时提高密集检索模型的性能。该方法将来自重排器或LLM裁判的排序奖励提炼成一个轻量级向量，然后仅使用标量排序分数对其进行优化。此方法不需要访问冻结模型的权重或真实标签，因此适用于闭源模型。TTT-Embed在各种检索任务中都显示出显著的改进，将nDCG@10的性能提高了+8.36，并表现出对未见查询和任务的泛化能力。 AI
影响 提高了信息检索系统的效率和有效性，特别是对于闭源模型。
排序理由 学术论文，详细介绍了一种改进检索模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
