PulseAugur
中
实时 09:14:24
English(EN) Natural Hard-Negative Mining from Positives for Instruction-Following Retrieval

新的NHNM方法增强了指令遵循检索模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为自然硬负例挖掘（NHNM）的新方法，以改进指令遵循信息检索（IFIR）。该技术将原始正文档重新用作自然指令硬负例，从而创建了一个更有效的训练数据集。当应用于MS MARCO数据集时，NHNM生成了NHNM-MARCO，包含近7000个实例。在该数据集上训练的模型在指令遵循任务上表现强劲，甚至在某些情况下超越了更大的模型。 AI

影响 这种新方法可能带来更强大的检索系统，能够更好地理解和遵循用户指令。

排序理由 该集群包含一篇学术论文，详细介绍了一种用于特定AI任务的新方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的NHNM方法增强了指令遵循检索模型

本文如何被排名

Signal score
15 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了一种用于特定AI任务的新方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Chaolang Li, Jingyu Li, Zhaocheng Du, Xuyang Xie, Gang Wang, Pengwen Dai ·

    从正样本中进行自然硬负例挖掘以实现指令遵循检索

    arXiv:2610.36900v1 Announce Type: new Abstract: Instruction-following information retrieval (IFIR) requires retrievers to rank documents by both a query and its instance-specific instructions, yet instruction-conditioned contrastive supervision remains scarce. Existing synthetic …

相关实体

相关话题