cs.IR
PulseAugur coverage of cs.IR — every cluster mentioning cs.IR across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
New RAG framework tackles OCR noise in historical archives
研究人员开发了一个新颖的框架，用于从历史立法档案中改进信息检索，特别是解决了退化文档和OCR错误带来的挑战。他们的系统将基于视觉的布局分割和多脚本OCR与代理检索增强生成（RAG）管道相结合。这种迭代方法能够应对视觉退化和布局歧义，从而增强文本提取，在旁遮普邦立法议会档案上的表现优于标准的纯文本方法。
-
DyHist框架增强时间知识图谱外推能力
研究人员开发了DyHist，一个旨在改进时间知识图谱（TKGs）中从历史数据预测未来事实的新框架。DyHist通过显式建模近期和中程历史背景中与查询相关的偏差来解决现有方法的局限性。它还整合了一个面向关系的先验历史信息，以根据时间衰减、近期趋势和关系特定强度动态调整历史复现信号的可靠性。实验表明，DyHist在TKG外推任务中优于当前基线，在四个基准数据集上取得了优异的结果。
-
研究发现：大型语言模型投资者模拟缺乏个体层面保真度
一项发表在arXiv上的新研究调查了大型语言模型（LLMs）随着时间推移准确模拟个体投资者行为的能力。在一项涉及80名参与者的纸面交易模拟中，研究人员发现，当前的大型语言模型在可靠预测交易发生、买卖结构和资产选择方面存在困难。虽然一些大型语言模型实现了与参与者相似的总体交易活动，但它们的投资组合轨迹却显著不同。该研究强调了大型语言模型模拟中的一般行为准确性与真正的个体层面保真度之间的关键差距，并建议需要对行为准确性、解释一致性和证据依…
-
AI代理记忆失败可通过几何分析预测，但成功有限
研究人员探讨了对话数据中的几何关系是否能在生成前预测AI代理中的检索边界记忆失败。他们将对话轮次、记忆文本和查询嵌入到共享空间中，并使用一个具有25个特征的分类器。虽然几何方法在特定类型的问题上显示出一些潜力，但其在LongMemEval-small数据集上的整体预测能力是边际的，低于简单的问答难度基线。研究得出结论，嵌入的接近度不能可靠地验证事实覆盖范围，也不能区分记忆构建、检索和生成中不同类型的错误。
-
研究发现：生物医学RAG的性能取决于语料库规模和文档表示
一项新研究评估了语料库规模、文档表示和重排序对生物医学检索增强生成（RAG）系统性能和效率的影响。研究发现，虽然RAG在各种基准测试中普遍提高了模型性能，但重排序的有效性以及文档表示（摘要、扁平化全文或分层全文）的选择因语料库大小和对更丰富证据的需求而异。分层全文表示被证明是高效的，在许多端到端场景中匹配或超过扁平化全文检索，同时占用的存储空间更少。研究结果强调，应将语料库规模视为生物医学RAG系统的关键评估因素，最佳设计取决于证据格…
-
新研究提出 AI 代理的汇合证据获取方法
一篇新研究论文介绍了一种名为汇合证据获取（CEA）的方法，旨在改进语言模型代理在复杂任务中收集信息的方式。当前的代理可能会过度受到证据交付时间的影响，即使最终所有信息都可用，也会导致次优决策。CEA 通过在子问题证据完成后立即发布推理，并独立于完成顺序管理共享搜索，来解决这个问题，从而确保更一致和准确的结果。
-
新框架通过概念感知检索改进调查数据协调
研究人员开发了一个新的条件信息检索框架，以改进纵向调查数据的协调。该框架首先使用经过微调的生成模型从调查问题中提取潜在的社会学概念，然后将这些概念作为明确的条件信号，以实现更准确的对齐。在CLOSER案例研究中进行测试，该系统在平均精度和召回率方面均持续优于基线方法2-3个点。研究还探讨了各种微调策略，发现监督微调（SFT）提供了最稳定的改进，并证明了在通用社会科学词汇表上微调的模型可以有效地迁移到特定任务的调查数据，为数据稀缺场景提…
-
FLMNet 通过新颖的自蒸馏技术推进点击率预测
研究人员开发了 FLMNet，这是一种新颖的点击率（CTR）预测方法，通过从平均预测中学习而不依赖于随机采样来提高准确性。该方法受到 FinalNet 和 QNN 等模型中使用的自蒸馏技术的启发，侧重于从不同种子训练的网络副本之间的差异。FLMNet 在五个基准测试中优于十七个基线，在推理时使用单个网络实现了顶级准确性。
-
新的MOSS框架增强了推荐系统的多样性
研究人员开发了一个名为MOSS的新框架，以提高推荐系统的多样性。目前的系统通常优先考虑准确性，导致推荐范围狭窄。MOSS通过解耦多模态信号并塑造语义和结构表示来解决这个问题。它使用一个模块来分离多模态内容，另一个模块用于类别感知语义特征提取。此外，它还结合了双图传播以防止表示坍塌，并使用基于熵的正则化来促进类别平衡暴露，从而实现更好的准确性-多样性权衡。
-
新基准显示SQL执行可提高材料科学定量研究中RAG的准确性
开发了一个新的钙钛矿光伏结构化检索增强生成（RAG）基准测试，重点关注源自实验数据的定量答案，而非定性文本重叠。该基准测试使用了包含超过45,000条设备记录和来自超过25,000篇论文的文献的数据集。在使用六种检索架构和一个14B模型进行测试时，标准的文献检索准确率仅为16-23%，而配备了对结构化设备表进行只读SQL执行的RAG模型准确率则超过了51%。这凸显了在材料科学大规模定量研究中系统性提取表格的必要性。
-
新方法和框架推动多模态大语言模型遗忘，改进评估和知识抑制
研究人员正在开发新方法来改进多模态大语言模型（MLLMs）的遗忘过程，旨在确保模型不仅停止输出特定信息，而且真正地丢失这些知识，而不会产生混淆或以隐藏形式保留。Forget-Aware Self-Distillation (FASD) 和 RA^2 等新技术通过仔细管理模型表征如何被改变，专注于实现“诚实的无知”并保留“遗忘邻近效用”。此外，还引入了一个名为 Open-MMUnlearning 的统一框架，用于标准化各种遗忘方法和基准…
-
新的“Quantize by Drift”方法无需标签即可优化文本嵌入器
研究人员开发了一种名为“Quantize by Drift”的新颖方法，用于在不要求相关性标签的情况下优化文本嵌入器。该技术测量量化对嵌入表示的影响，并将由此产生的“漂移”作为检索质量的代理。该方法已在多个嵌入器上证明了有效性，与实际检索性能显示出很强的相关性，并提供了一种在严格的字节预算下管理模型大小的方法。
-
新研究探索使用量子检索的最优数据压缩
一篇新研究论文探讨了使用量子检索方法进行数据压缩的理论极限。该研究侧重于将具有有限数量置位比特的二进制字符串压缩成更短的字符串，通过量子查询实现无错误地检索单个比特。论文提出了关于自适应和非自适应量子查询场景下最优压缩策略的发现。
-
新的语义索引方法5W1H+Which将内容与本体绑定分离
研究人员引入了一种名为5W1H+Which的新型语义索引方法，旨在通过将内容提取与本体绑定分离来提高原始数据的可查询性。该方法使用5W1H问题来组织源接地内容单元，并通过“Which”将它们链接到版本化的本体元素，明确记录映射关系、范围和验证状态。该系统考虑了时间、地点和环境上下文来约束事实和规则的适用性，允许未绑定的内容保持可搜索性，同时绑定内容在前提检查后进入正式推理路径。所提出的方法区分了业务有效时间、系统知识时间和操作跟踪，并…
-
新的PCGNet框架统一了时尚兼容性和用户偏好
研究人员开发了PCGNet，一个新颖的图学习框架，旨在改进时尚搭配推荐。该多目标系统通过对比互信息最大化提取共享和特定模式，统一了产品兼容性和个人用户偏好。PCGNet通过相关感知邻居采样和可学习的全局图增强，从图中引入自监督信号来增强其表示。在基准数据集上的实验结果表明，PCGNet在四个评估指标上显著优于现有方法。
-
新的集成方法利用GNN提升度假租赁推荐效果 · 跟踪2个来源
研究人员开发了一种新的集成方法，用于生成替代度假租赁房产推荐，显著提高了召回率。该方法结合了基于物品的协同过滤和图神经网络（GNN），在Recall@300方面比之前的基线提高了14.8%。单独的GNN组件在处理冷启动场景和发现多样化替代方案方面，比Hotel2Vec等浅层嵌入显示出显著的优势。研究还强调，候选生成阶段的改进对下游排序质量有积极影响，尽管具体关系需要进一步研究。
-
新研究揭示向量搜索可扩展性的亚线性幂律
一篇新发表在arXiv上的论文引入了“亚线性幂律”来描述图基向量搜索的可扩展性。研究人员发现，当数据集大小（N）相对于内在维度较小时，搜索成本随N^c（其中c小于1）增长。随着数据集变大且内在维度增加，这种行为会转变为亚多项式增长。该论文提供了一个统一的理论和预测模型，用于权衡搜索成本、插入成本和召回率。
-
新的自适应双重稳健方法增强了排序策略的离线策略评估
研究人员推出了一种用于排序策略离线策略评估（OPE）的新方法——自适应双重稳健（ADR）。ADR旨在减少现有OPE技术（如逆倾向评分（IPS）、独立IPS（IIPS）和奖励交互IPS（RIPS））固有的方差和偏差。通过自适应地边际化重要性权重并结合奖励回归，通过控制变量校正，ADR在合成实验中证明了比以前的方法有更低的均方误差。
-
PailitaoGR方法通过关注目标和辅助证据增强生成式图像检索能力 · 跟踪2个来源
研究人员推出了一种新颖的生成式图像检索方法PailitaoGR，该方法增强了模型关注搜索目标和选择性利用辅助视觉信息的能力。该方法旨在克服现实世界图像搜索中查询图像包含多样化且有时不相关内容的挑战。实验表明，PailitaoGR的性能显著优于现有方法，平均提升了13.8%。该方法结合了目标导向感知机制和选择性辅助证据利用机制，实现了“无需裁剪的缩放”和“无需OCR的阅读”等功能。
-
W-RAG框架通过源感知检索改进企业文档生成
研究人员推出W-RAG，一个旨在通过改进检索增强生成（RAG）管道来增强企业文档生成的新型框架。与使用单一相似性函数处理所有来源的标准RAG不同，W-RAG采用源感知检索。该方法包括本体引导检索、各个知识库内的局部排序以及源级别加权，以确保上下文组成的平衡。使用新数据集进行的实验证明了W-RAG在提高异构企业知识库的文档覆盖率和生成质量方面的有效性。