实体
Learned sparse retrieval
Learned sparse retrieval
PulseAugur coverage of Learned sparse retrieval — every cluster mentioning Learned sparse retrieval across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的GRIP系统挑战基于图的稀疏检索学习
研究人员开发了一种新的基于图的近似最近邻(ANN)系统,用于学习稀疏检索(LSR),名为GRIP。该系统挑战了倒排索引在LSR方面优于基于图的索引的普遍观点。GRIP采用了基于术语的入口点种子选择、通过稀疏草图进行的近似路由以及基于稀疏分区的图构建等技术来提高性能。在MS MARCO v2基准测试中,GRIP在LSR领先的倒排索引Seismic的基础上,延迟提高了2.5倍,同时保持了95%的recall@10。
-
新模型统一稀疏和密集多模态嵌入,提升搜索效率
研究人员推出 UEmbed,一种新颖的仅解码器多模态嵌入模型,能够在单次因果前向传播中生成稀疏词汇和密集表示。该模型旨在将对现代搜索系统至关重要的稀疏检索与多模态输入统一起来。UEmbed 以 2B、4B 和 9B 的规模发布,其中 9B 版本在 MMEB-v2 和 BEIR 等基准测试中取得了有竞争力的结果,性能优于 RzenEmbed 等现有模型。此外,另一篇独立的研究论文提出了 ReLoop-UME 方法,该方法通过在模型深度上…