Text Retrieval Conference
PulseAugur coverage of Text Retrieval Conference — every cluster mentioning Text Retrieval Conference across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的ERGO方法通过从错误中学习来优化文本分类
研究人员开发了一种名为错误引导优化（ERGO）的新方法，用于文本分类任务。ERGO通过反馈循环迭代诊断数据批次的分类失败，并生成有针对性的决策规则。这种方法在特定类型的任务上实现了高精度，尤其是在混淆标签对之间错误集中的任务上，在几次迭代内就在TREC和CLINC150等基准测试中表现出色。该研究还提供了一个框架，帮助实践者根据任务特性选择最合适的优化范式，并强调不同的方法在不同的任务结构上表现优异。
-
小型种群 ES 微调 LLM 在奖励调整下显示出潜力
一篇新的研究论文探讨了进化策略（ES）在微调大型语言模型（LLM）方面的有效性，特别是在使用二元奖励时。研究发现，在二元奖励训练中，ES 对大型种群规模的感知需求可能源于奖励设计和归一化，而非内在限制。通过禁用 z-score 优势归一化，研究人员证明了具有小型种群规模（N=2）的 ES 可以在 GSM8K 和 TREC 等基准测试上显著提高性能，甚至优于那些崩溃或性能下降的归一化变体。这表明，通过仔细的奖励设计和归一化，可以用最少的…
-
新的几何方法增强了稀疏表示分类的稳定性
研究人员开发了一种新的稀疏表示分类（SRC）方法，通过关注学习表示的几何形状来确保稳定的残差推理。他们的工作将训练与推理分开，仅将SRC用作固定的测试时规则。他们通过残差裕度形式化了残差排序稳定性，并识别出可能降低此裕度的几何障碍，如跨度重叠。为了解决这些问题，他们提出了几何整形目标，鼓励类内自表达并抑制类间重构，并在图像、文本和EEG数据集上进行了评估。
-
DoGMaTiQ 管道自动化生成用于报告评估的问答片段
研究人员开发了 DoGMaTiQ，这是一个新管道，旨在自动生成用于评估长篇报告的问答（QA）片段，特别是那些由检索增强生成（RAG）系统生成的报告。这一过程解决了手动整理这些评估片段的重大挑战，尤其是在跨语言环境中，这种挑战尤为困难。DoGMaTiQ 系统分三个阶段进行：生成基于文档的片段、对释义进行聚类以及根据质量标准进行子选择。在 TREC 共享任务上的实验表明，DoGMaTiQ 生成的 QA 片段与人类判断具有良好的相关性，并且…
-
用于可扩展患者-试验匹配的轻量级检索增强生成和基于大型语言模型的建模
研究人员开发了新的基准和框架，以评估和改进大型语言模型（LLM）在临床环境中的性能。PhysicianBench 为真实世界电子健康记录（EHR）任务上的 LLM 代理提供了全面的评估，显示出当前成功率低于 50% 的局限性。此外，ReMedi 提供了一个框架，通过生成改进的理由-答案对进行微调，以增强从 EHR 中预测临床结果。另一种方法引入了一种轻量级的检索增强生成方法，用于可扩展的患者-试验匹配，以降低计算成本实现了与端到端 L…