Dual Skipping Guidance for Document Retrieval with Learned Sparse Representations
本文提出了一种双跳转指导计划与混合评分,以加速文档检索,使用学习稀疏表示,同时仍然提供了良好的相关性。该方案使用词汇BM 25和学习的神经项权重来分别绑定和组合候选文档的排名得分,以用于跳过和最终排名,并在倒排索引遍历期间保持两个top-k阈值。本文评估的时间效率和排名的相关性所提出的计划在搜索MS MARCO TREC数据集。
2022-04-23 cs.IR
Improved Learned Sparse Retrieval with Corpus-Specific Vocabularies
本文提出利用语料库特定词汇预训练BERT并调整词汇表规模,可在提升学习型稀疏检索质量最高12%的同时降低延迟最高50%,并适用于uniCOIL和SPLADE等方法。
2024-01-12 cs.IR
Faster Learned Sparse Retrieval with Block-Max Pruning
本文提出块最大剪枝(BMP)策略,通过将文档空间划分为连续块并动态聚合排序,结合安全提前终止准则,显著提升了学习型稀疏检索在安全与近似场景下的效率与精度权衡。
2024-05-02 cs.IR
Generative and Pseudo-Relevant Feedback for Sparse, Dense and Learned Sparse Retrieval
本研究将生成式相关反馈扩展到稠密和学习型稀疏检索,结合伪相关反馈信号,在六个基准上提升精确率和召回率约10%,并显著提高召回率。
2023-05-12 cs.IR
Faster Learned Sparse Retrieval with Guided Traversal
基于Transformers(如BERT)的神经信息检索架构能够显著提高系统效率,优于传统的稀疏模型(如BM 25)。虽然这些神经方法非常有效,但运行起来非常昂贵,因此很难在严格的延迟限制下部署。为了解决这一限制,最近的研究提出了新的学习稀疏模型的家庭,试图匹配学习密集模型的有效性,同时利用传统的倒排索引数据结构的效率。当前学习的稀疏模型学习文档中术语的权重,有时还学习查询;然而,它们利用不同的词汇结构、文档扩展技术和查询扩展策略,这可能使它们比传统的稀疏模型(如BM 25)慢。在这项工作中,我们提出了一种新型的索引和查询处理技术,该技术利用传统稀疏模型的“指导”来高效地遍历索引,从而允许更有效的学习模型执行更少的评分操作。我们的实验表明,我们的引导处理启发式算法能够将底层学习稀疏模型的效率提高四倍,而没有任何可测量的有效性损失。
2022-04-24 cs.IR
Optimizing Guided Traversal for Fast Learned Sparse Retrieval
针对BM25引导的稀疏检索遍历在模型不对齐或k较小时相关性下降的问题,提出两级剪枝与模型对齐的优化方案,在保留相关性的同时显著提升检索速度,并在多数据集上验证了其效果与效率权衡。
2023-05-02 cs.IR
Dynamic Superblock Pruning for Fast Learned Sparse Retrieval
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文提出动态超块剪枝方法,用于加速学习稀疏检索,在MS MARCO数据集上优于现有基线方法。
2025-04-23 cs.IR
A Contrastive Pre-training Approach to Learn Discriminative Autoencoder for Dense Retrieval
在信息检索中,稠密检索(DR)已经显示出很好的效果。从本质上讲,DR需要高质量的文本表示来支持表示空间中的有效搜索。最近的研究表明,预训练的基于自动编码器的语言模型与弱解码器可以提供高质量的文本表示,提高DR模型的有效性和Few-Shot能力。然而,即使是弱自回归解码器也会对编码器产生旁路效应。更重要的是,学习表征的辨别能力可能是有限的,因为每个标记在解码输入文本时被同等重要地对待。为了解决上述问题,在本文中,我们提出了一种对比预训练方法来学习一个轻量级的多层感知(MLP)解码器的判别式自动编码器。其基本思想是以非自回归的方式生成输入文本的词分布,并将一个文本的两个掩蔽版本的词分布拉近,同时远离其他版本。我们从理论上证明,我们的对比策略可以抑制常见的词和突出的代表词在解码,导致歧视性的代表。实验结果表明,我们的方法可以显着优于最先进的自动编码器为基础的语言模型和其他预训练模型的稠密检索。
2022-08-21 cs.IR
Efficient Inverted Indexes for Approximate Retrieval over Learned Sparse Representations
针对学习稀疏表示检索与传统倒排索引不兼容的问题,提出将倒排列表组织为带摘要向量的几何内聚块的Seismic方法,在MS MARCO数据集上实现亚毫秒级高召回检索,性能远超现有方案及BigANN挑战赛优胜方案。
2024-04-29 cs.IR
DyVo: Dynamic Vocabularies for Learned Sparse Retrieval with Entities
本研究提出动态词表DyVo,通过引入Wikipedia实体增强学习型稀疏检索的词表,结合实体嵌入与检索组件生成权重并合并词片段权重,解决了实体被分割的问题,在三个数据集上显著优于基线。
2024-10-15 cs.IR
End-to-End Retrieval with Learned Dense and Sparse Representations Using Lucene
本文提出并验证了仅使用 Lucene 即可在 CPU 上用 Java 高效支持现代稠密与稀疏表示的端到端检索,从而以最少基础设施改动简化检索系统设计。
2023-11-30 cs.IR
Forward Index Compression for Learned Sparse Retrieval
Northeastern University(东北大学);University of Pisa(比萨大学);ISTI-CNR(意大利国家研究委员会信息与通信技术研究所)
本文提出DotVByte算法,通过优化内积计算,实现前向索引压缩,从而在保持检索效率的同时减少存储空间。
2026-02-05 cs.IR
Drop your Decoder: Pre-training with Bag-of-Word Prediction for Dense Passage Retrieval
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);University of Chinese Academy of Sciences(中国科学院大学);Tsinghua University(清华大学)
针对密集检索中掩码自编码器预训练计算成本高且机理不明的问题,提出用简化的词袋预测任务替换解码器,在无需额外参数下实现最先进检索性能且训练提速67%。
2024-04-22 cs.CL cs.IR
A Unified Framework for Learned Sparse Retrieval
学习稀疏检索(LSR)是一系列第一阶段的检索方法,其被训练以生成查询和文档的稀疏词汇表示以与倒排索引一起使用。最近引入了许多LSR方法,Splade模型在MSMarco上实现了最先进的性能。尽管它们的模型架构相似,但许多LSR方法在有效性和效率方面表现出很大的差异。所使用的实验设置和配置的差异使得很难比较这些方法并获得见解。在这项工作中,我们分析了现有的LSR方法,并确定关键组件,以建立一个LSR框架,统一所有LSR方法在同一角度下。然后,我们使用一个通用的代码库复制所有突出的方法,并在相同的环境中重新训练它们,这使我们能够量化框架的组件如何影响有效性和效率。我们发现,(1)包括文档术语加权是最重要的方法的有效性,(2)包括查询加权有一个小的积极影响,(3)文档扩展和查询扩展有取消效果。因此,我们展示了如何从最先进的模型中删除查询扩展,可以显着减少延迟,同时保持MSMarco和TripClick基准测试的有效性。我们的代码可在https://github.com/thongnt99/learned-sparse-retrieval上公开获取
2023-03-23 cs.IR
Effective Inference-Free Retrieval for Learned Sparse Representations
本文提出学习型免推理检索方法Li-LSR,通过为每个token学习分数将查询编码转化为表查找,消除了查询编码瓶颈,在域内外评估中均达到最先进的有效性。
2025-04-30 cs.IR
On the Reproducibility of Learned Sparse Retrieval Adaptations for Long Documents
本文复现并分析了将学习型稀疏检索(LSR)适配于长文档的机制,验证了首段对检索性能的主导作用,并重新评估 ExactSDM 和 SoftSDM 在不同文档长度下的表现,揭示了全局信息对长上下文适配的影响。
2025-03-31 cs.IR
Multimodal Learned Sparse Retrieval for Image Suggestion
本研究探索多模态学习稀疏检索(MLSR)在图像推荐任务中的应用,发现利用图像标题丰富图像内容能显著提升模型性能,为多模态环境下的LSR模型训练提供了有效方案。
2024-02-12 cs.IR cs.MM
On the Challenges and Opportunities of Learned Sparse Retrieval for Code
NAVER LABS Europe(NAVER欧洲实验室)
本文探讨了学习稀疏检索在代码检索中的挑战与机遇,提出SPLADE-Code模型,通过轻量级训练流程实现高性能代码检索,展示了稀疏检索在效率与效果上的优势。
2026-03-23 cs.CL cs.IR
Typos-aware Bottlenecked Pre-Training for Robust Dense Retrieval
针对稠密检索器处理拼写错误查询能力不足的问题,提出一种新型重训练策略ToRoDer,通过编码器-解码器架构进行掩码恢复预训练,显著提升了检索器对拼写错误查询的鲁棒性,同时保持了在正常查询上的检索效果。
2023-11-26 cs.IR
LD-DETR: Loop Decoder DEtection TRansformer for Video Moment Retrieval and Highlight Detection
Sun Yat-Sen University(中山大学)
针对视频时刻检索和精彩片段检测中语义重叠、局部特征提取不足及解码不充分的问题,提出LD-DETR模型,通过相似度矩阵蒸馏、卷积局部特征提取和循环解码器,在多个基准上达到最优性能。
2025-01-18 cs.CV cs.IR cs.LG
NAIL: Lexical Retrieval Indices with Efficient Non-Autoregressive Decoders
Google Deepmind(谷歌DeepMind)
提出 NAIL 模型架构,利用词法化评分函数和非自回归解码器,在商用 CPU 上高效捕获 Transformer 交叉注意力模型 86% 的增益,匹配最先进双编码器检索器质量且无需专用硬件。
2023-10-23 cs.CL cs.IR
Interpret and Control Dense Retrieval with Sparse Latent Features
针对稠密检索嵌入可解释性与可控性不足的问题,本文提出基于稀疏自编码器与面向检索对比损失的方法,通过稀疏潜在特征解释控制检索,在保持原准确率的同时实现检索行为调控。
2025-02-23 cs.IR
Searching for Relevant Lessons Learned Using Hybrid Information Retrieval Classifiers: A Case Study in Software Engineering
经验教训(LL)存储库是软件组织最有价值的知识来源之一。它可以为历史软件管理问题的以前的工作解决方案或要遵循的以前的成功案例提供独特的指导。然而,LL存储库的非结构化格式使得难以使用由项目经理(PM)手动输入的一般查询进行搜索。由于这个原因,这个存储库可能经常被忽视,尽管它提供了有价值的信息。由于LL存储库的目标是PM,因此搜索方法应该是特定于域的,而不是一般Web搜索的通用方法。在以前的工作中,我们提供了一个自动的信息检索基于LL分类器的解决方案。在我们的解决方案中,我们依赖于现有的项目管理构件来动态地构建搜索查询。在本文中,我们扩展了我们以前的工作,通过检查多个LL分类器的杂交,从我们以前的研究,对性能的影响。我们采用两个杂交技术从文献中构建的混合分类器。212 LL记录的工业数据集用于验证。实验结果表明,该混合分类器的分类性能优于最优个体分类器,达到25%。
2018-12-12 cs.IR
Mistral-SPLADE: LLMs for better Learned Sparse Retrieval
Indian Institute of Technology Bombay(印度孟买理工学院);IBM Research(IBM研究院)
本文提出使用仅解码器大语言模型Mistral作为骨干网络构建学习型稀疏检索器Mistral-SPLADE,以学习语义关键词扩展。实验表明,该模型超越了SPLADE及其变体,在BEIR基准上达到最先进水平。
2024-08-22 cs.CL cs.IR
Prompting Beats Fine-Tuning: Generative Expected Value Scoring for Statutory Term Retrieval
Carnegie Mellon University(卡内基梅隆大学)
研究法规中模糊法律概念检索任务,比较仅编码器模型微调与仅解码器模型零样本提示两类方法,发现提示仅解码器模型总体效果最佳,最佳系统超越此前所有最先进结果。
2026-07-08 cs.IR
uva-irlab-conv at SemEval-2026 Task 8: Multi-Turn RAG with Learned Sparse Retrieval and Listwise Reranking
University of Amsterdam(阿姆斯特丹大学)
提出结合学习型稀疏检索与基于 LLM 的重排序和生成的多轮检索增强生成流水线,用于跨四个领域的对话系统,有效处理不可回答查询。
2026-06-11 cs.CL cs.IR
LIDER: An Efficient High-dimensional Learned Index for Large-scale Dense Passage Retrieval
最近的许多段落检索方法都使用从深度神经模型生成的密集嵌入,称为“密集段落检索”。最先进的端到端密集通道检索系统通常部署深度神经模型,然后是近似最近邻(ANN)搜索模块。该模型生成语料库和查询的嵌入,然后由高性能ANN模块进行索引和搜索。随着数据规模的不断增大,人工神经网络模块不可避免地成为效率的瓶颈。另一种方法是学习索引,它通过学习数据分布和预测目标数据位置来实现显着的高搜索效率。但现有的学习索引大多是针对低维数据设计的,不适合高维密集嵌入的密集通道检索。在本文中,我们提出了LIDER,一个有效的高维学习索引大规模的DENSE通道检索。LIDER有一个基于集群的分层体系结构,由两层核心模型组成。核心模型是LIDER索引和搜索数据的基本单元,包括自适应递归模型索引(RMI)和降维组件,降维组件由扩展的SortingKeys-LSH(SK-LSH)和键重缩放模块组成。降维组件将高维密集嵌入降维为一维键,并按特定顺序对它们进行排序,然后由RMI使用这些键进行快速预测。实验表明,LIDER具有更高的搜索速度和更高的检索质量相比,最先进的人工神经网络索引的段落检索任务,例如,在大规模数据上,它实现了1.2倍的搜索速度和比我们评估中的最快基线更高的检索质量。此外,LIDER具有更好的速度-质量权衡能力。
2022-10-10 cs.DB cs.IR
Pairing Clustered Inverted Indexes with kNN Graphs for Fast Approximate Retrieval over Learned Sparse Representations
本文提出 SeismicWave,通过按重要性顺序遍历倒排块并利用 kNN 图扩展候选文档,在保持几乎精确准确率的同时将 Seismic 的近似检索速度提升至 2.2 倍。
2024-08-08 cs.IR
Do the Findings of Document and Passage Retrieval Generalize to the Retrieval of Responses for Dialogues?
最近提出了许多学习稀疏和稠密检索方法,并证明了其在段落检索和文档检索等任务中的有效性。在本文中,我们通过可复制性研究来分析所吸取的教训是否可以推广到对话响应的检索,这是日益流行的对话搜索领域的一项重要任务。不像段落和文档检索,其中文档通常比查询长,在对话的响应排名中,查询(对话上下文)通常比文档(响应)长。此外,对话具有特定的结构,即不同用户的多个话语。考虑到这些差异,我们在这里评估从以前的工作中得到的以下主要发现的可推广性:(F1)查询扩展优于无扩展基线;(F2)文档扩展优于无扩展基线;(F3)zero-shot稠密检索低于稀疏基线;(F4)稠密检索优于稀疏基线;(F5)硬负采样比随机采样更适合训练稠密模型。我们的实验--基于三个不同的信息寻求对话数据集--揭示了五分之四的发现(F2-F5)适用于我们的领域
2023-01-13 cs.IR
Naver Labs Europe @ WSDM CUP | Multilingual Retrieval
NAVER LABS Europe
Naver Labs Europe参与WSDM杯多语言检索任务,展示SPLARE模型在跨语言检索中的有效性与优势。
2026-02-24 cs.IR
DS@GT at TREC TOT 2025: Bridging Vague Recollection with Fusion Retrieval and Learned Reranking
Georgia Institute of Technology(佐治亚理工学院)
DS@GT在TREC TOT 2025中结合混合检索与学习重排序,通过融合检索方法提升模糊回忆任务的检索效果。
2026-02-14 cs.CL cs.IR cs.LG
Video and Audio are Images: A Cross-Modal Mixer for Original Data on Video-Audio Retrieval
针对跨模态检索中双塔架构编码特征分离、语义关联难建立的问题,提出含跨模态混合器、掩码自编码器和检索器的新框架,在音视频检索任务上准确率最高提升2倍,且可作为通用模型迁移。
2023-08-26 cs.IR
Wacky Weights in Learned Sparse Representations and the Revenge of Score-at-a-Time Query Evaluation
最近的进展,检索模型的基础上学习稀疏表示生成的Transformers器,使我们再次考虑得分在一个时间查询评估技术的前k检索问题。以前的研究比较文档在一个时间和分数在一个时间的方法一直发现,前者的方法产生较低的平均查询延迟,虽然后者的方法有更多的可预测的查询延迟。在我们对四种不同的检索模型进行的实验中,我们发现Transformers会生成“古怪的权重”,这似乎大大减少了跳过和提前退出优化的机会,而这些优化是标准文档一次技术的核心。因此,得分在一个时间的方法似乎是更有竞争力的查询评估延迟比以前的研究。我们发现,如果可以容忍高达百分之三的有效性损失,得分在一个时间的方法可以产生实质性的收益,平均查询延迟,同时大大减少尾部延迟。
2021-10-28 cs.IR
CSPLADE: Learned Sparse Retrieval with Causal Language Models
Amazon Web Services(亚马逊云科技)
本文提出 CSPLADE,通过轻量级适配训练和双向模型变体解决大语言模型用于学习型稀疏检索时的训练不稳定与单向注意力问题,成功训练 8B 规模模型,在减小索引的同时取得有竞争力的检索性能。
2025-11-06 cs.CL cs.IR
Is Position Bias in Dense Retrievers Built In-or Learned from Data?
Sionic AI(Sonic AI)
研究密集检索器中位置偏差的来源,通过构造位置偏斜的训练集微调模型,发现训练数据中证据的位置分布是影响检索级偏差方向的主要可控因素,并验证了位置平衡训练可显著降低位置敏感性。
2026-09-04 cs.IR
LEMUR: Learned Multi-Vector Retrieval
Department of Computer Science, University of Helsinki, Helsinki, Finland(赫尔辛基大学计算机科学系)
LEMUR通过将多向量相似性搜索转化为监督学习问题,并利用现有单向量搜索索引加速检索,实现了高效的多向量相似性搜索,比现有方法快一个数量级。
2026-05-21 cs.IR cs.LG
On the Value of Behavioral Representations for Dense Retrieval
我们认为,在现实世界中的设置,如电子商务搜索(a)文档流行度和(b)与文档相关的查询的多样性有一个偏斜的分布密集的代表性空间内的文本检索。大多数当代稠密检索文献在这些环境中存在两个缺点。(1)他们对每个文档学习几乎相同数量的表示,但不知道少数头部文档对于实现良好的检索性能尤为重要。(ii)他们学习纯粹的语义文档表示推断从内在的文档特征可能不包含足够的信息来确定查询的文档是相关的-特别是当文档很短。我们建议克服这些限制,通过增强语义文档表示学习的双编码器与行为文档表示学习我们提出的方法MVG。为此,MVG(1)通过绘制到Pitman-Yor过程的连接来确定如何划分行为表示的总预算,以及(2)简单地将与给定文档相关的查询(基于用户行为)聚类在由基本双向编码器学习的表示空间内,并将聚类中心视为其行为表示。我们的主要贡献是发现这样一个简单直观的轻量级方法导致了重大收益的关键第一阶段检索指标只产生边际内存开销。我们通过在三个大型公共数据集上进行广泛的实验来建立这一点,这些数据集比较了几个单向量和多向量双编码器,一个专有的电子商务搜索数据集与生产质量的双编码器,以及一个A/B测试。
2022-08-11 cs.IR
IRLab@iKAT24: Learned Sparse Retrieval with Multi-aspect LLM Query Generation for Conversational Search
University of Amsterdam(阿姆斯特丹大学)
本文研究对话式搜索中的查询重写,提出基于MQ4CS框架的多维度LLM查询生成方法,并结合SPLADE学习型稀疏检索与交叉编码器重排序,在iKAT 2024任务中验证了该方法能有效提升检索性能并超越人工重写效果。
2024-11-22 cs.CL cs.IR
When Learned Context Planning Fails to Beat Strong Retrieval: A Controlled Study of Planning, Routing, and Reranking for Long-Context QA
本研究通过受控实验发现,学习到的上下文规划在长上下文多项选择问答中仅作为弱相关性信号,无法替代强检索,其性能在多数预算下不优于锚定混合检索或BM25。
2026-09-24 cs.CL cs.IR
Gated Bidirectional Linear Attention for Generative Retrieval
Yandex
提出门控双向线性注意力(GBLA),通过局部因果混合、序列级键门控和门控RMSNorm输出实现线性时间双向注意力,在保持双向自注意力质量的同时显著加速长序列编码。
2026-06-08 cs.IR
Sparton: Fast and Memory-Efficient Triton Kernel for Learned Sparse Retrieval
University of Amsterdam(阿姆斯特丹大学);ISTI-CNR(意大利国家研究委员会信息系统技术研究所);University of Pisa(比萨大学);Johns Hopkins University, HLTCOE(约翰斯·霍普金斯大学,语言与技术中心)
Sparton通过融合矩阵乘法、ReLU、Log1P和max-reduction,提升学习稀疏检索模型中LM头的效率,减少内存占用并提升训练速度。
2026-03-26 cs.IR
Multimodal Learned Sparse Retrieval with Probabilistic Expansion Control
University of Amsterdam(阿姆斯特丹大学);AIRLab, University of Amsterdam(阿姆斯特丹大学AIRLab)
针对多模态文本-图像检索,本文提出将冻结稠密模型向量转为稀疏词法向量,并用 Bernoulli 变量控制查询扩展,以更少训练时间和显存达到最优 LSR 性能。
2024-02-27 cs.CV cs.IR
Task-Adaptive Retrieval over Agentic Multi-Modal Web Histories via Learned Graph Memory
School of Engineering, Royal Melbourne Institute of Technology University(皇家墨尔本理工大学工程学院)
本文提出ACGM方法,通过任务自适应图记忆检索代理历史,利用策略梯度优化提升检索质量,在多个数据集上取得显著成果。
2026-04-09 cs.AI cs.IR
Compressible and Searchable: AI-native Multi-Modal Retrieval System with Learned Image Compression
Sensetime Research(商汤科技研究院)
本文提出融合 LIC 与 CLIP 的 AI 原生多模态检索框架,通过简单适配器兼顾图像压缩效率与语义搜索准确性,并在 Kodak 数据集上验证其优势。
2024-04-16 cs.AI cs.CV cs.IR
DeeperImpact: Optimizing Sparse Learned Index Structures
本文优化稀疏检索方法 DeepImpact,通过以微调 Llama 2 替代 T5 生成查询,并结合难负样本、蒸馏与 CoCondenser 初始化,显著缩小其与 SPLADE 的效果差距。
2024-07-06 cs.IR
Diagnosable ColBERT: Debugging Late-Interaction Retrieval Models Using a Learned Latent Space as Reference
Parallia AI
本文提出Diagnosable ColBERT,通过将ColBERT的词嵌入对齐到基于临床知识的参考潜在空间,以更直接地诊断模型错误并指导数据整理。
2026-04-21 cs.CL cs.IR
Retrieval with Learned Similarities
Microsoft Research(微软研究院);Meta
本文研究基于学习相似度的高效检索技术,提出 Mixture-of-Logits (MoL) 作为相似度函数的通用近似器,并结合互信息负载均衡损失在多场景创下新SOTA,其近似 top-k 算法在保持>0.99召回率下延迟优于基线达66倍。
2025-01-25 cs.DB cs.DS cs.IR
Event-enhanced Retrieval in Real-time Search
Tencent Search, Platform and Content Group(腾讯平台与内容事业群搜索业务)
本文提出事件增强检索方法EER,通过改进双编码器并结合对比学习与事件三元组抽取,强化实时搜索对关键事件信息的关注,显著提升检索性能。
2024-04-09 cs.CL cs.IR
Compact and Efficient Indexes for Learned Sparse Retrieval
ISTI–CNR(ISTI-CNR);University of Pisa(比萨大学);Linkup 1
本文基于SEISMIC优化倒排与正向索引,提出紧凑高效的学习型稀疏检索索引方案,在MS MARCO上的实验显示其速度与内存占用均优于现有方案。
2026-10-09 cs.DB cs.IR
Inference-Free Multimodal Learned Sparse Retrieval for Production-Scale Visual Document Search
NAVER Corp.(NAVER公司);Seoul National University(首尔国立大学);Naver Labs Europe(Naver欧洲实验室)
提出V-SPLADE,一种无需推理的稀疏检索器,通过标题门控令牌监督解决视觉稀疏表示中的词汇基础问题,在视觉文档检索中达到稠密级效果。
2026-05-29 cs.CV cs.IR
Milco: Learned Sparse Retrieval Across Languages via a Multilingual Connector
University of Amsterdam(阿姆斯特丹大学);Johns Hopkins University, HLTCOE(约翰霍普金斯大学,语言学与认知科学系)
Milco通过多语言连接器将不同语言的查询和文档映射到共享的英语词汇空间,采用两阶段训练策略提升表示透明性和有效性,实现跨语言稀疏检索的最优性能。
2026-03-19 cs.CL cs.IR
BRIDGE: Multimodal-to-Text Retrieval via Reinforcement-Learned Query Alignment
High institute for computer & information systems(高等计算机与信息系统学院);Chungbuk National University(忠北大学);Assiut University(艾斯尤特大学);University of Innsbruck(因斯布鲁克大学)
BRIDGE通过强化学习查询对齐模型和增强神经搜索检索器,解决多模态查询在文本库中的检索问题,实现优于多模态编码器的nDCG@10性能。
2026-04-08 cs.CV cs.IR
GPUSparse: Fast and Exact Learned Sparse Retrieval on a GPU-Resident Inverted Index
MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室)
提出GPUSparse系统,通过GPU并行倒排索引、批处理散射-加和评分算法和融合Triton内核,实现与CPU精确评分一致的稀疏检索,在MS MARCO上比Pyserini快235倍,且不损失召回率。
2026-11-02 cs.DC cs.IR
Lessons Learned on Information Retrieval in Electronic Health Records: A Comparison of Embedding Models and Pooling Strategies
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Boston Children’s Hospital Harvard Medical School(波士顿儿童医院哈佛医学院);University of Colorado Anschutz(科罗拉多大学安舒茨分校);Loyola University Chicago(芝加哥洛约拉大学)
本文针对临床领域电子健康记录信息检索,通过消融研究比较七种嵌入模型(含医疗与通用领域)及池化策略在两类数据源三项任务中的表现,发现通用模型BGE优于医疗专用模型,确定最佳池化方法并为检索系统优化提供经验。
2024-09-23 cs.CL cs.IR