Teach Me What to Say and I Will Learn What to Pick: Unsupervised Knowledge Selection Through Response Generation with Pretrained Generative Models
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments Accepted at ConvAI workshop (EMNLP 2021)
AI 大模型
检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments Accepted at ConvAI workshop (EMNLP 2021)
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.CL
Comments EMNLP 2021
专题命中 检索器与排序 :retriever(abstract);分类 cs.IR
Comments Short paper, accepted at EMNLP2021 main conference
专题命中 检索器与排序 :dense retrieval(abstract);分类 cs.CL
Comments accepted in EMNLP-Findings 2021
专题命中 检索器与排序 :dense retrieval(abstract);分类 cs.IR
Comments Accepted by CIKM 2021 as a full paper
专题命中 检索器与排序 :retriever(abstract);分类 cs.IR
Comments 4 pages, 1 figure, emnlp formatting
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
专题命中 检索器与排序 :retriever(abstract);分类 cs.IR
Comments 5 pages, SIGIR'21 short paper
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.CL
Comments Findings of ACL-IJCNLP 2021, long paper
专题命中 检索器与排序 :dense retrieval(abstract);分类 cs.CL
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments Accepted in EMNLP 2020 main conference
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.AI
Comments 7 pages, 3 figures, presented at ICRA 2018
Journal ref ICRA 2018 Submission -- 7 pages
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.CL
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments Accepted to ACL 2019
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments Accepted by ACL 2019
专题命中 检索器与排序 :retriever(abstract);分类 cs.CL
Comments To appear at ACL 2019
专题命中 检索器与排序 :retriever(abstract);分类 cs.DB
Comments Submitted for publication, November 2018
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.AI
Comments 8 pages, 11 figures, at http://alfa.ist.utl.pt/~cvrm/staff/vramos/ref_48.html
Journal ref CEC 03 - Congress on Evolutionary Computation, IEEE Press, ISBN 0780378040, pp.1384-1391, Canberra, Australia, 8-12 Dec. 2003
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.AI
Comments 6 pages, 6 figures, 3 tables, International Conference on Knowledge Engineering and Ontology Development, 2012
专题命中 检索器与排序 :knowledge retrieval(abstract);分类 cs.AI
Comments 10 pages, 5 figures, at http://alfa.ist.utl.pt/~cvrm/staff/vramos/ref_42.html
Journal ref in AEB 2002, 1st Spanish Conference on Evolutionary and Bio-Inspired Algorithms, E. Alba, F. Herrera, J.J. Merelo et al. (Eds.), pp. 284-293, Centro Univ. de Merida, Merida, Spain, 6-8 Feb. 2002
专题命中 检索器与排序 :retriever(abstract);分类 cs.IR
FinMetaMind: 金融知识检索中自然语言查询系统的设计技术蓝图
机构 * Independent Author(独立研究者)
专题命中 检索器与排序 :分类 cs.IR、cs.AI、cs.DB;vector search(comments)
AI总结 FinMetaMind提出了一种针对金融知识检索的NLQ系统设计,通过整合自然语言处理、搜索工程和向量数据模型,解决金融数据检索中的关键挑战。
Comments 8 pages, 8 figures, Information Retrieval, Natural Language Query, Vector Search, Embeddings, Named Entity Recognition, Large Language Models
CustomDance:基于以人为中心的粗到细交互式控制的定制化3D舞蹈生成
专题命中 检索器与排序 :retriever(abstract)
AI总结 CustomDance是基于粗到细交互式控制的定制化3D舞蹈生成系统,通过三阶段流程实现AI辅助编舞,在定量和定性比较中优于基线,为用户提供全面控制。
Comments Accepted to SIGGRAPH Asia 2026
READ:一种用于基于结构的药物设计的检索-对齐扩散框架
机构 * School of Artificial Intelligence(人工智能学院) ; Shenzhen University(深圳大学) ; National Engineering Laboratory for Big Data System Computing Technology(大数据系统计算技术国家工程实验室) ; School of Computer Science(计算机科学学院) ; University of Nottingham Ningbo(诺丁汉大学宁波校区) ; Department of Computing(计算学院)
专题命中 检索器与排序 :retrieval-augmented generation(abstract)
AI总结 针对现有SBDD模型忽略蛋白-配体复合物相似性及数据有限的问题,提出READ检索-对齐扩散框架,在标准化对接评估中表现优于现有方法,为早期药物计算命中物生成提供实用框架。
Comments 15 pages, 8 figures. Supplementary material is included as an ancillary file. Accepted for publication in IEEE Transactions on Computational Biology and Bioinformatics
Journal ref IEEE Transactions on Computational Biology and Bioinformatics, pp. 1-15, 2026
LoKiFormer:面向高效大语言模型预训练的 locality-aware 注意力与解耦知识记忆
机构 * AIGCode ; South China University of Technology(华南理工大学) ; Pazhou Laboratory(琶洲实验室)
专题命中 检索器与排序 :knowledge retrieval(abstract)
AI总结 针对LLM预训练效率问题,提出含局部融合注意力与知识记忆模块的LoKiFormer,使预训练收敛速度提升1.33倍,性能优于现有架构。
Comments Accepted by ICML 2026
Video2Track:从真实世界交互视频到自动驾驶系统的可操控对抗性封闭赛道测试
专题命中 检索器与排序 :retrieval-augmented generation(abstract)
AI总结 本文提出Video2Track框架,通过两个耦合模块将真实驾驶视频交互场景转化为可操控对抗性封闭赛道测试,可复现实景交互场景并生成可控变体,为ADS验证提供可扩展方案。
从失败中学习:基于难负例的以检索为中心的思维链用于统一多模态检索
专题命中 检索器与排序 :retriever(abstract)
AI总结 该研究提出UniME-R1框架,通过基于难负例的以检索为中心的思维链(RC-CoT)学习从检索失败中优化,在多模态检索基准上提升了性能。
Comments 26 pages,10 figures,14 Tables