Facets and Typed Relations as Tools for Reasoning Processes in Information Retrieval
实体的刻面排列和用于表示实体之间的不同关联的类型化关系是知识表示中建立的工具。在本文中,一个建议正在讨论结合这两种工具,沿关系路径进行推断。这种方法可能会产生新的好处信息检索过程中,特别是在语义Web中的异构环境建模。刻面排列可以作为知识表示中语义知识模型的选择工具。不同方面的实体之间的类型化关系可以用作跨方面选择它们的限制。
2014-09-01 cs.IR
TimelyRAG: Semantic-Temporal Hybrid Retrieval for Time-Critical Question Answering in Overlapping-Evolving Documents
KAIST(韩国科学技术院);Korea University(韩国大学);University of Vermont(佛蒙特大学)
针对法律等重叠演化文档中的时间关键问答,提出融合时间距离的检索框架TimelyRAG及基准TimelyQABench,实验显示nDCG@10提升达28.6%。
2026-09-11 cs.IR
Iterative Relevance Feedback for Answer Passage Retrieval with Passage-level Semantic Match
相关反馈技术假设用户为前k个(通常是10个)文档提供相关性判断,然后根据这些判断使用新的查询模型重新排名。尽管这是有效的,但最近关于这个主题的研究很少,因为在典型的Web搜索场景中,要求用户对结果列表提供实质性的反馈是不切实际的。然而,在诸如利用灵巧家庭设备的基于语音的搜索的新环境中,在用户与系统的交互期间可能获得关于结果质量的反馈。由于在这种环境中,在一次交互中可以显示的结果的长度和数量受到严格的限制,因此重点应该从浏览结果列表转移到迭代检索,从检索文档转移到检索答案。在本文中,我们研究了迭代相关反馈技术,重点是检索答案段落。我们首先表明,迭代反馈是更有效的答案检索的top-k方法。然后,我们提出了一个迭代反馈模型的基础上的词级语义匹配,并表明它可以产生显着的改进相比,基于词的迭代反馈模型和那些基于术语级语义相似度。
2018-12-20 cs.IR
Dynamic Multimedia Content Retrieval System in Distributed Environment
WiCoM支持远程管理Web资源。我们的应用程序移动记者是针对记者,谁将能够捕捉实时使用他们的手机和更新他们的Web服务器上的最新事件的事件。WiCoM在客户端使用J2ME技术,在服务器端使用PHP开发。客户端和服务器之间的通信是通过GPRS建立的。移动记者将能够上传,编辑和删除服务器中的文本和多媒体内容。
2009-09-01 cs.IR cs.MM
Multi-Agent Retrieval-Augmented Generation for Efficient Cloud Knowledge Base Search in Telecom SNOC Environment
Vodafone Idea(沃达丰创意公司)
针对电信SNOC云文档搜索的痛点,提出基于多智能体RAG的Athena框架,结合多检索方式与LLM评估,在4200个文档的语料库上取得MRR@10为0.910、EM为78.4%的效果,满足离线与数据主权要求。
2026-09-03 cs.IR cs.LG
A Vietnamese information retrieval system for product-price
价格信息检索(IR)系统允许用户搜索和查看特定产品的价格之间的差异。构建产品价格驱动的IR系统是一个具有挑战性和活跃的研究领域。完全依赖商店通过界面环境提供的产品信息的方法会受到数据库的限制。而自动系统则具体要求输入产品名称和商业网站。在这两种范式下,为越南人建立产品价格IR系统的方法仍然非常有限。在本文中,我们介绍了一个自动越南IR系统的产品价格,通过识别和存储Xpath模式,以提取产品的价格从商业网站。我们的系统的实验显示出可喜的成果。
2019-11-26 cs.IR
Retrieval Challenges in Low-Resource Public Service Information: A Case Study on Food Pantry Access
Wichita State University(威斯科州立大学)
本文提出了一种基于AI的对话式检索系统,用于解决低资源环境下食品储藏室信息检索的挑战,通过RAG流程提升自然语言查询的准确性与可靠性。
2026-02-25 cs.AI cs.IR
RAG-VR: Leveraging Retrieval-Augmented Generation for 3D Question Answering in VR Environments
Kennesaw State University(肯尼索州立大学)
针对VR上下文局部化、个性化导致通用LLMs效果受限的问题,提出整合RAG的首个VR 3D问答系统RAG-VR,通过局部知识库检索增强LLM,提升回答准确率17.9%-41.8%,降低延迟34.5%-47.3%。
2025-04-14 cs.AI cs.HC cs.IR
Understanding the Behaviors of Environment-aware Information Retrieval
Fudan University(复旦大学);Alibaba DAMO Academy(阿里巴巴达摩院);Chinese University of Hong Kong(香港中文大学);Stanford University(斯坦福大学);Shanghai University of Finance and Economics(上海财经大学)
通过强化学习使LLM适应不同检索器的查询策略,发现不同检索器偏好不同查询风格,并提出分支式滚动技术提升训练稳定性。
2026-06-16 cs.CL cs.IR
Optimizing Retrieval for RAG via Reinforcement Learning
The Hong Kong University of Science and Technology(香港科技大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
通过强化学习优化RAG检索,提升检索性能并适应多样化环境。
2026-01-01 cs.CL cs.IR
RANa: Retrieval-Augmented Navigation
Naver Labs Europe(纳维尔实验室欧洲)
针对现有导航方法无法利用历史运行信息的问题,提出经RL训练的检索增强智能体RANa,采用视觉基础模型实现检索与上下文编码,可跨任务跨环境零样本迁移并显著提升导航性能。
2025-07-29 cs.CV cs.IR cs.RO
Libra: Training the Environment for Agentic Information Retrieval
提出Libra框架,通过引入可变目录和LLM驱动优化循环,自动改进代码仓库的索引结构,提升代码定位准确率,并实现跨模型和问题的零样本迁移。
2026-07-02 cs.AI cs.IR
Classroom Video Assessment and Retrieval via Multiple Instance Learning
University of Virginia(弗吉尼亚大学)
我们提出了一种多实例学习方法,以支持人类评估学习环境的目的,基于内容的检索课堂视频。我们的方法的关键要素是评估系统的语义概念和可以使用来自计算机视觉和语音分析领域的技术测量的视频的特征之间的映射。我们报告的形成性实验,在基于内容的视频检索涉及训练有素的专家在课堂评估评分系统,广泛使用的框架评估和改善学习环境。这个实验的结果表明,我们的方法具有潜在的应用,以提高生产力的评估和更广泛的检索任务。
2014-03-25 cs.CY cs.IR cs.LG
ScholarQuest: A Taxonomy-Guided Benchmark for Agentic Academic Paper Search in Open Literature Environments
State Key Lab of Cognitive Intelligence, University of Science and Technology of China(中国科学技术大学认知智能国家重点实验室)
提出ScholarQuest基准,基于1000多个计算机科学主题和四种研究意图,构建可扩展的答案和共享检索后端,评估LLM智能体在开放文献环境中的学术论文搜索能力。
2026-10-14 cs.AI cs.IR
Efficient Searching and Retrieval of Documents in PROSA
在分布式环境中检索资源比在集中式数据库中查找数据更困难。在过去的十年中,P2P系统出现了新的和有效的分布式资源共享的架构,但在这样的环境中搜索可能是困难的和耗时的。在本文中,我们讨论了资源发现的效率PROSA,自组织的P2P系统深受社交网络的启发。PROSA中的所有路由选择都是在本地进行的,只考虑下一个对等体与每个查询的相关性。我们表明,PROSA是能够有效地回答查询罕见的文件,转发它们通过最方便的路径,很可能共享匹配的资源节点。这一结果与PROSA中自然出现的小世界结构密切相关。
2007-02-22 cs.DC cs.IR
Event-Centric World Modeling with Memory-Augmented Retrieval for Embodied Decision-Making
Zhaowen Fan(Fan 研究院);Rongchao Zhang(Zhang 实验室)
本文提出一种事件中心世界建模框架,通过记忆增强检索实现具身决策,结合语义事件和先前经验进行决策,提升动态环境的结构抽象与可解释性。
2026-07-09 cs.IR cs.LG cs.RO
InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation
Shanghai Jiao Tong University(上海交通大学);Huawei Noah’s Ark Lab(华为诺亚实验室)
InfoDeepSeek提出了一个面向动态网络环境的智能体信息检索基准,通过系统性构建挑战性问题并设计细粒度评估框架,揭示了智能体行为差异,为RAG研究提供了实用见解。
2025-05-23 cs.CL cs.IR
Self-Evolving Search Index
Yonsei University(延世大学);Samsung Research(三星研究院);University of California, Irvine(加州大学欧文分校);Korea University(高丽大学)
针对索引优化依赖人工的问题,提出SELF-INDEX框架,通过优化器自主诊断、修订并验证索引键,结合查询模拟器主动探索需求,实现索引自我进化,持续提升检索性能并惠及下游应用。
2026-09-18 cs.AI cs.IR
SimpleWikiSearch: A Clean Offline Wikipedia Environment for Agentic Search
Peking University(北京大学)
SimpleWikiSearch是一套明确可运行的离线维基百科环境,用于智能体搜索的可复现评估,提供基线结果及对比闭源模型的子集,而非提出新智能体算法。
2026-07-30 cs.AI cs.IR
Convergence of Learning Dynamics in Information Retrieval Games
我们考虑一个具有策略作者的信息检索博弈模型。我们研究了两种不同的效用方案:旨在最大化曝光的作者和希望最大化其内容的主动选择(即点击次数)的作者。我们介绍了作者学习动力学的研究在这样的背景下。我们证明,概率排名原则(PRP),这是目前最先进的排名方法的基础上,任何更好的响应学习动态收敛到一个纯粹的纳什均衡。我们还表明,其他排名方法诱导的战略环境下,这种收敛可能不会发生。
2019-02-20 cs.GT cs.IR
Memento Ludi: Information Retrieval from a Game-Theoretic Perspective
我们利用博弈论作为冲突的数学理论,建立了一个信息检索过程的宏观模型。我们将信息检索过程的参与者表示为两个抽象参与者的游戏。第一个参与者是搜索引擎用户的“知识人群”,第二个参与者是信息检索系统的社区。为了应用博弈论,我们将搜索日志数据视为纳什均衡策略,并解决了寻找合适的支付函数的逆问题。为此,我们提出了一个特定的模型,我们称之为Alpha模型。在这个模型中,我们提出了一种称为转移的方法,它可以部分控制大量用户的行为。本说明是针对博弈论(提供一类新的现实生活问题)和信息检索的研究人员,我们为他们提出了新的技术来控制IR环境。
2009-05-20 cs.GT cs.IR
WebNavigator: Global Web Navigation via Interaction Graph Retrieval
National Key Laboratory for Novel Software Technology(新型软件技术国家重点实验室);School of Artificial Intelligence(人工智能学院);Fellou AI
WebNavigator通过交互图检索和路径规划解决自主网络导航中的拓扑盲区问题,实现优于企业级代理的性能。
2026-10-06 cs.AI cs.IR
A Feature Analysis for Multimodal News Retrieval
TIB–Leibniz Information Centre for Science and Technology(TIB-莱布尼茨科学技术信息中心);L3S Research Center, Leibniz University Hannover(汉诺威莱布尼茨大学L3S研究中心)
基于内容的信息检索基于文档中包含的信息,而不是使用关键字等元数据。大多数信息检索方法都是基于文本或图像的。在本文中,我们调查的有用性多模态功能的跨语言新闻搜索在各个领域:政治,健康,环境,体育和金融。为此,我们考虑五个特征类型的图像和文本,并比较使用不同的组合的检索系统的性能。实验结果表明,同时考虑视觉和文本信息可以提高检索结果。此外,据观察,在文本特征实体重叠优于词嵌入,而地理位置嵌入实现更好的性能之间的视觉特征在检索任务。
2020-10-01 cs.CL cs.IR cs.LG
TRACER: Trajectory-Aware Tool Retrieval for LLM Agents
Microsoft(微软)
TRACER 是面向大语言模型智能体的轨迹感知工具检索前端,通过字典树索引工具调用序列并结合混合先验排序,在多环境多模型下提升工具选择准确率、降低输入 token 成本,效果优于全注册表选择。
2026-10-16 cs.AI cs.CL cs.IR
Optimizing Multi-Stage Language Models for Effective Text Retrieval
VJ Technology(VJ科技)
本文提出面向日本法律数据集的两阶段文本检索流程,结合先进语言模型与多策略集成模型,在领域数据和MS-MARCO上均取得最先进性能。
2024-12-26 cs.CL cs.IR cs.LG