RAG / 检索增强生成

Retrieval-GRPO: A Multi-Objective Reinforcement Learning Framework for Dense Retrieval in Taobao Search

检索-GRPO：面向淘宝搜索密集检索的多目标强化学习框架

Xingxian Liu, Dongshuai Li, Jiahui Wan, Tao Wen, Gui Ling, Yuliang Yan, Fuyu Lv, Dan Ou, Haihong Tang, Bo Zheng

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.IR

AI总结 Retrieval-GRPO通过多目标强化学习框架解决密集检索中的硬负样本依赖和跷跷板效应问题，提升复杂长尾查询的语义泛化能力。

Infinity Search: Approximate Vector Search with Projections on q-Metric Spaces

无限搜索：基于q度量空间的向量搜索与投影

Antonio Pariente, Ignacio Hounie, Santiago Segarra, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA（宾夕法尼亚大学电气与系统工程系） ； Department of Electrical and Computer Engineering, Rice University, Houston, TX, USA（里士满大学电气与计算机工程系） 纠错

专题命中 向量检索 ：vector search(title)；分类 cs.IR

AI总结 本文提出基于q度量空间的近似向量搜索方法，通过投影算子将任意不相似函数转换为超度量空间，并利用学习近似以提高搜索效率，实验显示q值增加可提升速度但降低召回率。

Welfarist Formulations for Diverse Similarity Search

效用主义方法用于多样相似性搜索

Siddharth Barman, Nirjhar Das, Shivam Gupta, Kirankumar Shiragur

机构 * Indian Institute of Science（印度科学研究所） ； Microsoft Research India（微软印度研究院） 纠错

专题命中 向量检索 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR

AI总结 本文提出基于效用主义的NNS方法，通过适应性平衡相关性与多样性，提升搜索结果的多样性同时保持高相关性。