PulseAugur
中
实时 08:55:03
English(EN) ECI: Effective Contrastive Information to Evaluate Hard-Negatives

新的ECI方法评估用于密集检索的难例负样本

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的无需训练的方法，称为有效对比信息（ECI），用于评估密集检索系统的难例负样本来源。该诊断工具使用固定的目标编码器嵌入来对候选负样本来源进行排名，无需进行微调和下游评估。ECI的有效性在MS MARCO负样本来源上得到了证明，它成功识别了排名最高的负样本，并在各种扰动下表现出稳定性。 AI

影响 通过优化负样本采样，为改进密集检索模型引入了一种新颖的诊断方法。

排序理由 该集群包含一篇详细介绍信息检索新方法的论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Aarush Sinha, Rahul Seetharaman, Aman Bansal ·

    ECI：评估难例的有效对比信息

    arXiv:2603.20990v2 Announce Type: replace-cross Abstract: Hard-negative source selection for dense retrieval is usually decided only after fine-tuning and downstream evaluation. We propose Effective Contrastive Information (ECI), a training-free diagnostic that ranks candidate ne…

相关实体

相关话题