最近的一项实验探讨了嵌入漂移如何影响检索系统的性能，特别是在新术语出现在某个领域时。该研究模拟了一个场景：使用较新的术语查询在旧机器学习研究摘要上训练的检索系统。结果显示，对于新时代查询，密集检索性能平均下降了约 14%，并且出现了大量完全失败的情况，而不是均匀下降。 AI
影响 强调了需要采取混合搜索等策略，以在语言模型和领域不断发展的情况下保持检索准确性。
排序理由 该集群描述了一项关于检索系统中嵌入漂移的实验及其发现，这构成了研究。 [lever_c_从研究中降级：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<p>The standard advice on embedding drift is theoretical: your model’s vocabulary was frozen at training time, new terminology emerges, and retrieval quality degrades. Switch to a newer model. Add BM25. Re-embed periodically.</p><figure><img alt="" src="https://cdn-images-1.mediu…