NDCG@10
PulseAugur coverage of NDCG@10 — every cluster mentioning NDCG@10 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新方法使用代理搜索轨迹调整密集检索模型
研究人员开发了导航感知嵌入（NIE），一种利用代理搜索工作流中的轨迹来调整密集检索模型的新方法。该方法利用查询、检索和停止轨迹来微调已部署的模型，而无需新的相关性标签、合成查询或 LLM 判断。通过将停止文档视为正面示例并纳入先前的路径文档，NIE 显著提高了检索性能，在 BEIR HotpotQA 等基准测试中，Recall@20 提高了高达 5.8 个点，nDCG@10 提高了 1.9 个点。
-
ConceptFormer框架利用潜在概念改进视觉文档检索
研究人员推出ConceptFormer，一个旨在增强视觉文档检索的新型框架。该方法学习自适应的潜在概念，以更好地将查询与相关文档对齐，即使证据分散在文本、布局和视觉结构中。与依赖文本描述或原始视觉注释的先前方法不同，ConceptFormer使用查询条件潜在概念作为中间表示。实验表明，ConceptFormer显著提高了检索准确性，在NDCG@10方面比现有的基于视觉和OCR的基线取得了实质性进展。
-
新方法利用难度门控推理提高时序检索准确性
研究人员开发了一种改进信息检索系统中时序检索的新方法。该技术称为难度门控推理视图融合，解决了查询与文档匹配的挑战，其中相关性取决于时序推理而非简单的关键词重叠。通过将查询扩展为多个重述，并根据查询难度动态加权其重要性，该系统在无需相关性标签或推理时重新排序的情况下提高了检索准确性。该方法在包括BERT和基于解码器的模型在内的各种检索器上，在Tempo基准测试中显示出显著的改进，最强的模型实现了0.303的nDCG@10得分。
-
UniMoMo框架压缩MoE推荐模型以加速推理
研究人员开发了UniMoMo，一个训练后压缩框架，旨在加速使用混合专家（MoE）层的推荐模型。该方法根据专家的功能相似性而非参数距离对专家进行分组，并使用无标签的校准数据来评估专家对推荐状态的响应相似度。UniMoMo还引入了一个层自适应保护机制，通过限制高流量专家的合并来防止性能下降。在Amazon Beauty、KuaiRec和TenRec等数据集上的实验表明，将MoE模型压缩到更少的专家数量可以显著提高推理速度，同时保持高质量的推荐效果。
-
PLAID-PRF 使用质心感知伪相关反馈增强密集检索
研究人员推出了一种用于增强 ColBERT 等多向量密集检索模型的新方法 PLAID-PRF。该技术利用 PLAID 框架内的质心类令牌来执行伪相关反馈 (PRF)，根据检索到的顶部结果有效地重构查询向量。PLAID-PRF 利用内部 PLAID 质心向量，保持了较低的计算成本，在 MS MARCO 和 BEIR 等各种基准测试中显示出检索效率的显著提高。
-
Apple TV搜索系统使用混合嵌入来增强个性化
Apple的机器学习研究团队为Apple TV搜索开发了一个个性化系统，该系统可以增强增量搜索结果。该系统结合了基于文本和基于ID的嵌入，分别使用对比学习和交互数据进行训练。当集成到XGBoost ranker中时，这种混合方法显著提高了NDCG@10和MRR等指标，特别是对于模糊、短前缀查询和具有广泛观看历史记录的用户。在线实验证实了这些改进，提高了点击率和转化率。
-
新方法提高了SQL模式检索的准确性
研究人员开发了一种新的SQL模式检索方法，专注于为自然语言查询识别相关的表和列。他们将现有的text-to-SQL数据集改编为检索任务，并发现标准的嵌入器表现不佳。为解决这个问题，他们提出了一种语料库自适应微调技术，该技术可以从目标模式合成查询并挖掘困难的负例。这种方法显著提高了召回率和nDCG分数，将模式链接确立为一个独立的检索任务，并为企业规模的部署提供了实用的解决方案。
-
新的Shard方法增强了密集检索系统的隐私性
研究人员开发了一种名为Shard的新方法，以增强密集检索系统的隐私性。密集检索系统常用于语义搜索和检索增强生成（RAG）。Shard通过引入一种保留检索的嵌入转换来解决向量存储容易受到揭示底层文本的攻击的漏洞。这种转换将嵌入分割成用于初始检索的公共前缀和在密钥下分片的私有残差，然后使用CKKS进行重新排序以取消密钥并保持精确的内积。该系统旨在防止对齐攻击和去匿名化，提供几何防御而非加密保证。
-
LLM标注数据提升电商搜索检索性能
研究人员开发了一种新颖的方法，用于为密集检索模型生成高质量的训练数据，特别适用于电子商务赞助搜索。该方法利用多个检索系统之间的分歧来创建结构化训练信号，包括易正例、难正例和难负例。该系统结合了多通道检索挖掘、用于分级相关性标注的校准三模型级联，以及使用超过2.4亿个示例的渐进式课程训练策略。当在Walmart的赞助搜索上部署时，训练的BERT模型表现出显著的改进，包括NDCG@10提升5.1%，减少了令人尴尬的检索，并在A/B测试中对…
-
混合编码评论损害孟加拉国电子商务推荐
一篇新研究论文探讨了孟加拉国电子商务平台个性化推荐的挑战，特别关注产品评论中使用的混合编码语言。该研究以 Daraz 孟加拉国的数据为基础，评估了各种推荐模型，发现基于物品的协同过滤是最稳定的方法。研究强调，孟加拉语（一种混合了孟加拉语和拉丁字母转写英语的语言）词汇的碎片化严重降低了推荐质量。