PulseAugur
中
实时 12:58:30
实体 Beir

Beir

PulseAugur coverage of Beir — every cluster mentioning Beir across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
20
90 天内 56
发布 · 30天
0
90 天内 0
论文 · 30天
20
90 天内 55
层级分布 · 90 天
主题
关系
情绪 · 30 天

8 天有情绪数据

最近 · 第 1/3 页 · 共 58 条
  1. RESEARCH · CL_364219 ·

    新探测方法揭示稠密检索系统的语义鸿沟

    一项新的研究论文介绍了一种名为 NONSENSE 的方法,该方法使用非语义字符串来探测稠密检索系统。这些生成的字符串避免了查询词,并且明显无意义,但在多个数据集和检索器上的检索测试中,其表现经常优于实际与查询相关的段落。这表明当前稠密检索模型在语义理解方面存在重大差距,其中相似度分数不能可靠地指示真正的语义相关性。

  2. TOOL · CL_350256 ·

    决策模型在信息检索研究中显示出作为校准相关性评分器的潜力

    一篇新的研究论文探讨了决策模型,特别是Jev模型,作为信息检索中校准相关性评分器的有效性。该研究在FLAN-UL2和BEIR数据集上复现了先前的发现,然后测试了Jev模型和另一个开源决策模型pplx-decider。平均而言,两种决策模型都优于FLAN-UL2和交叉编码器。然而,Jev模型的原生概率被发现过于自信,尽管校准提高了其性能,使其Brier得分低于其他模型,并能够优化预期F1的查询截断。

  3. TOOL · CL_350272 ·

    Yuanbao-Reranker模型在文本重排序方面达到最先进水平

    研究人员开发了Yuanbao-Reranker,这是一系列基于Qwen3骨干网络构建的密集重排序模型,有0.6B、4B和8B参数规模。这些模型专为搜索、推荐和RAG系统中的高精度文本重排序而设计。开发过程包括通过多阶段策展流程创建了一个包含275万个排序组的大规模数据集,并使用逐点相关性交叉熵和最小间隔铰链目标相结合的方式训练模型。Yuanbao-Reranker在包括中文、多语言、英文、长文档和代码检索在内的多个基准测试中均表现出最…

  4. TOOL · CL_348771 ·

    新的MV-IVF索引提升多向量检索效率

    研究人员开发了MV-IVF,一种新的用于多向量检索的倒排文件索引。该系统利用一种新颖的聚类算法MV-Lloyd来高效地索引嵌入集,这些嵌入集代表查询和文档。与依赖代理表示或过滤-重排管道的先前方法不同,MV-IVF旨在通过直接索引多向量数据来提高检索质量和速度。该系统在文本检索基准测试中展示了在延迟和吞吐量方面的显著改进。

  5. RESEARCH · CL_336217 ·

    DecisionRank模型通过更快、蒸馏后的决策模型实现SOTA检索

    研究人员开发了DecisionRank,一种新颖的决策模型,通过使用策略内蒸馏从更大的生成语言模型转移知识,显著提高了检索性能。该方法训练一个更小的决策模型直接预测分数,绕过了自回归解码的延迟。DecisionRank在TREC DL、BEIR和BRIGHT等基准测试中取得了最先进的成果,在准确性上超越了其生成教师模型,同时速度也大大加快。

  6. TOOL · CL_330697 ·

    新的LLM-IRA方法改进了检索排名聚合

    研究人员开发了LLM-IRA,一种用于聚合多个检索系统排名的创新方法,特别适用于RAG应用。该方法利用大型语言模型对高分歧文档进行成对判断,并交互式地学习融合权重。在BEIR基准和TREC深度学习轨道上的实验表明,LLM-IRA可以匹配或超越强大的静态融合基线,在多个基准上实现统计学上的显著性,且LLM调用次数极少。

  7. RESEARCH · CL_329492 ·

    新方法增强AI检索嵌入压缩

    研究人员开发了一种名为相关性引导残差校准(RRC)的新方法,以改进密集检索嵌入的光谱压缩。该技术利用相关性判断来优化光谱权重,允许在保持整体光谱趋势的同时调整各个方向。实验表明,RRC在各种数据集和编码器上显著提高了检索效果,改善了存储和准确性之间的权衡。

  8. RESEARCH · CL_325271 ·

    LLM应用于信息检索和推荐系统 · 跟踪2个来源

    两篇新的研究论文探讨了大型语言模型(LLM)在信息检索和推荐系统中的应用。第一篇论文GistRank提出了一种通过将段落压缩成少量“要点”标记来实现高效列表式排序的方法,在保持基准数据集高准确度的同时实现了显著的加速。第二篇论文介绍了决策原生推荐,这是一种使用LLM联合建模物品选择和推荐置信度的范式,在准确性和效率方面优于现有方法。

  9. RESEARCH · CL_321920 ·

    研究发现:System One 模型并非比微调替代品更优的重排器

    一篇新发表在arXiv上的研究论文表明,“System One”模型(也称为决策模型)在作为重排器方面,并不比专门为重排任务微调的模型更优越。该研究在多个数据集上测试了各种Qwen骨干模型,发现重排器微调的性能始终优于决策微调,尤其是在参数量高达90亿的模型上。研究表明,虽然决策模型在某些场景下具有校准优势,但这并不能弥补其整体排名性能较差的不足。

  10. RESEARCH · CL_317029 ·

    研究论文揭示混合式AI检索方法中的“融合税”

    一篇题为“融合税”的新研究论文分析了混合检索方法的缺点,该方法结合了稀疏检索和密集检索技术。研究发现,虽然混合检索通常显示出总体收益,但在相当一部分单独查询中,它可能导致相关文档排名降低。这种“融合税”在各种模型大小和类型(包括SPLADE)中都持续存在,并且当一个检索器明显优于另一个检索器时尤为明显。

  11. RESEARCH · CL_312693 ·

    FLINT架构提高了检索模型的效率和可扩展性

    研究人员推出了一种新颖的FLINT(Fixed-budget Late INTeraction,固定预算的后期交互)架构,旨在提高多向量检索模型的可扩展性。FLINT采用基于注意力的池化技术,用固定数量的嵌入向量来表示查询和文档,并对称地应用于双方。与现有的令牌级匹配方法相比,这种方法显著降低了存储需求并加快了检索速度。在包括复杂查询在内的各种基准测试中,FLINT都展现出相当或更优的排名效果,同时还实现了索引大小和端到端检索时间的实质性缩减。

  12. TOOL · CL_313125 ·

    新的UIBK-Embedding模型统一检索方法,可与大型模型媲美

    研究人员开发了UIBK-Embedding-v1,一个拥有1.79亿参数的新型英语编码器,旨在统一密集检索和后期交互检索方法,以实现更有效的文本检索。该模型在单次通过中同时生成两种表示,并使用未经修改的MaxSim函数对其进行评分。在BEIR基准测试中,UIBK-Embedding-v1取得了59.79的nDCG@10,优于现有同等规模的模型,并可与参数量远超其的模型相媲美。

  13. TOOL · CL_317040 ·

    新的 FormBench 基准测试揭示了商业人工智能 API 检索性能不佳

    引入了一个名为 FormBench 的新基准测试,用于评估模型在配方专利中的细粒度检索能力。该基准测试包含超过 55,000 个查询和两个语料库变体,旨在测试精确的化学信息提取。初步评估显示,包括 OpenAI 模型在内的商业 API 编码器表现不佳,而任务自适应微调显著提高了 Qwen3-Embed 等开源模型的性能。BM25 等传统方法仍具竞争力,该研究强调了语料库大小的影响以及 API 模型中几何坍塌的问题。

  14. RESEARCH · CL_312392 ·

    新的GRaSP系统优化地理分布式RAG的延迟和成本

    研究人员开发了GRaSP,一种用于检索增强生成(RAG)系统的新型重评分层,旨在优化地理分布式基础设施中的性能。该系统通过在其选择过程中纳入延迟和可选成本惩罚,解决了广域延迟、跨区域出口成本和数据驻留规则等挑战,而无需重新训练模型。GRaSP已显示出显著的延迟降低,将P90获取延迟降低了41%,同时保持了大部分检索召回率,并在改进端到端问答任务方面显示出潜力。

  15. RESEARCH · CL_301542 ·

    新研究探索LLM与稀疏检索系统的集成

    两篇新研究论文探讨了改进大型语言模型(LLM)与稀疏检索系统集成的方法。第一篇论文《通过自适应稀疏监督使LLM与稀疏检索对齐》提出了一个框架,该框架使用LLM生成的稀疏表示来提高检索效率和效果,与MS MARCO等数据集上的现有方法相比,在索引存储和查询延迟方面均有显著降低。第二篇论文《XViewRank:具有重叠条件的得分融合,用于LLM增强的稀疏检索》介绍了一种轻量级的检索端方法,该方法有条件地融合了LLM生成的多个查询视图的结果…

  16. RESEARCH · CL_298503 ·

    UltraBERT 在分类和检索任务上提升编码器性能

    研究人员开发了UltraBERT,一种新颖的编码器模型,在分类和检索任务上均显著提高了性能。通过对BERT预训练方法的研究,他们发现编码器在数万亿个token之后会饱和,并且掩码比例对分类和检索有不同的影响。UltraBERT通过在批次内为不同的掩码比例采用独立的语言模型头,并将蒸馏限制在较低的掩码比例,来解决这些发现。这种方法使UltraBERT在GLUE和BEIR基准测试中取得了最先进的成果,超越了之前的编码器。

  17. TOOL · CL_298475 ·

    新方法可恢复因文档向量压缩而损失的检索质量

    研究人员开发了一种方法来提高后期交互模型中压缩文档向量的质量。通过学习全局线性校正,该方法可以在不重新训练编码器或重新压缩文档的情况下恢复因激进压缩而损失的检索质量。该方法使用 ColBERTv2 和 Jina v4 在 MS MARCO 和 BEIR 基准测试上进行了评估,并使用 ColPali2 在 ViDoRe v3 视觉文档检索任务上进行了评估。校正在各种压缩方法和数据集上都显示出检索质量的显著提高。

  18. RESEARCH · CL_294522 ·

    新的SAFE-QE方法解决了LLM查询扩展中的幻觉术语问题

    研究人员开发了一种名为SAFE-QE的新方法,以解决大型语言模型(LLM)在查询扩展过程中产生的幻觉术语问题。这种无需训练、检索器无关的方法可以识别并降低因占主导地位的幻觉关联而非实际语料库支持而出现的术语的权重。通过平衡一致性和广度,SAFE-QE旨在通过减少噪声而不牺牲排名质量来改进信息检索,这在TREC和BEIR基准集合上得到了证明。

  19. TOOL · CL_284900 ·

    RAGFlip论文衡量检索器升级中的负面翻转

    一项新的研究论文RAGFlip引入了一种评估检索器升级的方法,重点关注查询级负面翻转。当新的检索器未能找到先前检索器(如BM25)成功识别的相关段落时,就会发生这种翻转。研究发现,所有评估的替换检索器(BGE-large、E5-large-v2和SPLADE)都提高了整体覆盖率,但在各种数据集和深度上仍然表现出负面翻转。这些回归尤其在较小的检索深度下更为显著,突显了在检索器评估中,除了聚合指标外,还需要查询级兼容性。

  20. TOOL · CL_280933 ·

    新方法优化了基于LLM的检索模型的效率

    研究人员开发了一种新方法来优化神经稀疏检索模型的稀疏性,该模型利用大型语言模型(LLM)进行语义术语扩展。该方法结合了可学习软Top-K和逐项阈值等自适应策略,以及FLOPs正则化,以减小文档和查询向量的长度。使用Lion-SP模型在MS MARCO和BEIR数据集上的实验表明,在保持高相关性的同时,检索延迟和存储成本得到了显著改善。