研究人员推出 NEAR,一个旨在通过利用邻域感知残差来增强记忆检索的新型框架。这种无需训练的方法构建了补充原始嵌入的残差表示,提高了从存储记录中识别相关证据的准确性。通过利用记录之间的共享内容来创建局部参考,NEAR 旨在缓解无关文档获得高相似度分数的问题。在八个长上下文检索基准上的实验表明,在各种嵌入模型上持续改进以及问答性能的提升。 AI
影响 提高了信息检索系统的准确性和效率,可能改进问答等下游应用。
排序理由 该集群描述了一篇发表在 arXiv 上的新研究论文,详细介绍了一种新颖的记忆检索框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- NEAR
- ScienceCast
- scite
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →