PulseAugur
中
实时 15:37:32

Spectral Retrieval 提升 LLM 智能体信息召回能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出 Spectral Retrieval，一种用于增强大型语言模型 (LLM) 智能体系统中信息检索的新颖方法。该技术采用跨 token 嵌入的多尺度 sinc 卷积，在标准均值池化和逐 token MaxSim 检索之间进行插值。Spectral Retrieval 显著提高了检索准确性，尤其是在文档内的局部相关性方面，其在 LIMIT-small 等合成和真实世界基准上的表现证明了这一点。 AI

影响 增强了 LLM 智能体的信息检索能力，可能提高了它们在复杂系统中访问和利用相关数据的能力。

排序理由 发表了一篇学术论文，详细介绍了一种用于 LLM 系统信息检索的新方法。 [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 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Andrea Morandi ·

    Spectral Retrieval: Multi-Scale Sinc Convolution over Token Embeddings for Localized Retrieval in LLM Multi-Agent Systems

    arXiv:2605.24764v1 Announce Type: cross Abstract: [Abridged] - Spectral Retrieval is a plug-in re-ranking stage that interpolates between per-token MaxSim and mean-pool retrieval through a multi-scale sinc convolution over token embeddings. In standard dense retrieval each docume…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Andrea Morandi ·

    Spectral Retrieval: Multi-Scale Sinc Convolution over Token Embeddings for Localized Retrieval in LLM Multi-Agent Systems

    [Abridged] - Spectral Retrieval is a plug-in re-ranking stage that interpolates between per-token MaxSim and mean-pool retrieval through a multi-scale sinc convolution over token embeddings. In standard dense retrieval each document is one mean-pooled vector; when relevance local…

相关话题