研究人员开发了一种减轻密集检索模型中位置偏差的方法。位置偏差是一个常见问题，即相关信息出现在段落的较晚位置时，检索效果会下降。这项新技术借鉴了推理时注意力校准的方法，无需重新训练模型即可应用。通过在原始和校准后的注意力分布之间进行插值，发现在各种嵌入模型和数据集上，部分校准的性能经常优于完全校准。 AI
影响 该技术提供了一种在不进行昂贵重新训练的情况下提高检索系统性能的方法。
排序理由 该集群包含一篇学术论文，详细介绍了一种改进AI模型性能的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.02737v1 Announce Type: cross Abstract: Dense retrieval models exhibit positional bias: retrieval effectiveness degrades when relevant information appears later in a passage (Zeng et al., 2025). We ask whether this bias can be reduced at inference time, without retraini…
Dense retrieval models exhibit positional bias: retrieval effectiveness degrades when relevant information appears later in a passage (Zeng et al., 2025). We ask whether this bias can be reduced at inference time, without retraining and without sacrificing overall retrieval effec…