RAG / 检索增强生成

Optimization of Latent-Space Compression using Game-Theoretic Techniques for Transformer-Based Vector Search

基于博弈论技术的Transformer向量搜索中潜在空间压缩优化

Kushagra Agrawal, Nisharg Nargund, Oishani Banerjee

机构 * School of Computer Engineering, KIIT Deemed to be University, Bhubaneswar, Odisha - India（计算机工程学院，KIIT大学，巴胡瓦斯瓦尔，奥里萨-印度） 纠错

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

AI总结 本文提出基于博弈论的潜在空间压缩优化方法，通过平衡检索准确性和存储效率，提升Transformer向量搜索的效率和语义效用。

Journal ref In: Proceedings of the International Conference on Distributed Computing and Intelligent Technology (ICDCIT), Springer, 2026

Curator: Efficient Vector Search with Low-Selectivity Filters

Curator: 基于低选择性过滤的高效向量搜索

Yicheng Jin, Yongji Wu, Wenjun Hu, Bruce M. Maggs, Jun Yang, Xiao Zhang, Danyang Zhuo

专题命中 向量检索 ：vector search(title)；dense retrieval(abstract)；分类 cs.IR、cs.DB

AI总结 Curator通过双索引架构和基于分区的索引，有效处理低选择性过滤的ANNS，提升查询效率并降低资源消耗。

Comments Accepted at SIGMOD 2026

A Simple and Effective Framework for Symmetric Consistent Indexing in Large-Scale Dense Retrieval

一种用于大规模密集检索中对称一致索引的有效框架

Huimu Wang, Yiming Qiu, Xingzhi Yao, Zhiguo Chen, Guoyu Tang, Songlin Wang, Sulong Xu, Mingming Li

机构 * JD.com China（京东中国） ； Institute of Information Engineering, Chinese Academy of Sciences China（中国科学院信息工程研究所） 纠错

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

AI总结 本文提出SCI框架，通过双塔协同和对称表示对齐，解决大规模密集检索中表示空间错位和索引不一致问题，提升检索精度与稳定性。

QPAD: Quantile-Preserving Approximate Dimension Reduction for Nearest Neighbors Preservation in High-Dimensional Vector Search

QPAD：用于高维向量搜索中最近邻保持的分位数保持近似降维

Jiuzhou Fu, Dongfang Zhao

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

AI总结 QPAD是一种无监督的降维方法，通过最大化k-NN与非k-NN之间的边际来保持最近邻关系，从而在高维向量搜索中提升检索精度。

Cost-Effective, Low Latency Vector Search with Azure Cosmos DB

Nitish Upreti, Harsha Vardhan Simhadri, Hari Sudan Sundar, Krishnan Sundaram, Samer Boshra, Balachandar Perumalswamy, Shivam Atri, Martin Chisholm, Revti Raman Singh, Greg Yang, Tamara Hass, Nitesh Dudhey, Subramanyam Pattipaka, Mark Hildebrand, Magdalen Manohar, Jack Moffitt, Haiyang Xu, Naren Datha, Suryansh Gupta, Ravishankar Krishnaswamy, Prashant Gupta, Abhishek Sahu, Hemeswari Varada, Sudhanshu Barthwal, Ritika Mor, James Codella, Shaun Cooper, Kevin Pilch, Simon Moreno, Aayush Kataria, Santosh Kulkarni, Neil Deshpande, Amar Sagare, Dinesh Billa, Zishan Fu, Vipul Vishal

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

SIEVE: Effective Filtered Vector Search with Collection of Indexes

Zhaoheng Li, Silu Huang, Wei Ding, Yongjoo Park, Jianjun Chen

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

Journal ref PVLDB, 18(11): 4723 - 4736, 2025

Comparing Lexical and Semantic Vector Search Methods When Classifying Medical Documents

Lee Harris

机构 * The University of Kent（肯特大学） ； TMLEP Research（TMLEP研究） 纠错

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

Comments This project was funded by a UKRI grant, number: 10048265

Bang for the Buck: Vector Search on Cloud CPUs

Leonardo Kuffo, Peter Boncz

机构 * Centrum Wiskunde & Informatica（数学与信息学中心） 纠错

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.AI、cs.DB

Comments To be published in Proceedings of 21st International Workshop on Data Management on New Hardware (DaMoN '25)

BoolQuestions: Does Dense Retrieval Understand Boolean Logic in Language?

Zongmeng Zhang, Jinhua Zhu, Wengang Zhou, Xiang Qi, Peng Zhang, Houqiang Li

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

Comments Findings of the Association for Computational Linguistics: EMNLP 2024

Journal ref In Findings of the Association for Computational Linguistics: EMNLP 2024, pages 2767-2779

Incremental IVF Index Maintenance for Streaming Vector Search

Jason Mohoney, Anil Pacaci, Shihabur Rahman Chowdhury, Umar Farooq Minhas, Jeffery Pound, Cedric Renggli, Nima Reyhani, Ihab F. Ilyas, Theodoros Rekatsinas, Shivaram Venkataraman

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.AI、cs.DB

Comments 14 pages, 14 figures

Generative Retrieval as Multi-Vector Dense Retrieval

Shiguang Wu, Wenda Wei, Mengqi Zhang, Zhumin Chen, Jun Ma, Zhaochun Ren, Maarten de Rijke, Pengjie Ren

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

Comments 12 pages, 5 figures, 8 tables, accepted at SIGIR 2024

DREditor: An Time-efficient Approach for Building a Domain-specific Dense Retrieval Model

Chen Huang, Duanyu Feng, Wenqiang Lei, Jiancheng Lv

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

Comments 15 pages, 6 figures, Codes are available at https://github.com/huangzichun/DREditor

Hybrid Inverted Index Is a Robust Accelerator for Dense Retrieval

Peitian Zhang, Zheng Liu, Shitao Xiao, Zhicheng Dou, Jing Yao

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

Co-design Hardware and Algorithm for Vector Search

Wenqi Jiang, Shigang Li, Yu Zhu, Johannes de Fine Licht, Zhenhao He, Runbin Shi, Cedric Renggli, Shuai Zhang, Theodoros Rekatsinas, Torsten Hoefler, Gustavo Alonso

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

Comments 11 pages

Constructing Tree-based Index for Efficient and Effective Dense Retrieval

Haitao Li, Qingyao Ai, Jingtao Zhan, Jiaxin Mao, Yiqun Liu, Zheng Liu, Zhao Cao

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

Comments 10 pages, accepted at SIGIR 2023

COCO-DR: Combating Distribution Shifts in Zero-Shot Dense Retrieval with Contrastive and Distributionally Robust Learning

Yue Yu, Chenyan Xiong, Si Sun, Chao Zhang, Arnold Overwijk

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

Comments EMNLP 2022 (Main Conference). The code and Model can be found at https://github.com/OpenMatch/COCO-DR

Journal ref EMNLP 2022

SeDR: Segment Representation Learning for Long Documents Dense Retrieval

Junying Chen, Qingcai Chen, Dongfang Li, Yutao Huang

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

Tevatron: An Efficient and Flexible Toolkit for Dense Retrieval

Luyu Gao, Xueguang Ma, Jimmy Lin, Jamie Callan

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

Zero-Shot Dense Retrieval with Momentum Adversarial Domain Invariant Representations

Ji Xin, Chenyan Xiong, Ashwin Srinivasan, Ankita Sharma, Damien Jose, Paul N. Bennett

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

Improving Query Representations for Dense Retrieval with Pseudo Relevance Feedback

HongChien Yu, Chenyan Xiong, Jamie Callan

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

Comments Accepted at CIKM 2021

CRINN: Contrastive Reinforcement Learning for Approximate Nearest Neighbor Search

CRINN：用于近似最近邻搜索的对比强化学习

Xiaoya Li, Albert Wang, Guoyin Wang, Chris Shum, Jiwei Li

机构 * DeepReinforce Team（深强化团队） 纠错

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI、cs.DB

AI总结 研究针对近似最近邻搜索算法，提出CRINN新范式，将其优化视为强化学习问题，以执行速度为奖励信号，实验证明该方法在多个基准数据集上有效，且其成功验证了强化学习增强语言模型用于算法优化的有效性。

Comments Preprint Version

Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

思考以个性化：统一推理与检索的以用户为中心的个性化密集检索

Angqing Jiang, Gaoming Zhang, Jianchun Song, Kena Qi, Dayao Chen, Wei Lin, Defu Lian

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

AI总结 本文提出TTP框架，将用户意图推理与密集检索统一，经两阶段训练后在电商场景实验及在线测试中均取得优于基线的效果，提升了订单量。

Comments Accepted at CIKM 2026. 11 pages, 8 figures, and 9 tables

A Mechanistic Analysis of Gender Sensitivity in Dense Retrieval Models

稠密检索模型中性别敏感性的机制分析

Catherine Chen, Maarten de Rijke, Carsten Eickhoff

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

AI总结 本文通过机制分析定位稠密检索模型性别敏感性源于输入嵌入与后期层注意力头，测试不同引导干预效果，为针对性去偏提供机制基础并指出相关信号分离挑战。

TEngineDB-V: An OLAP-Native Vector Search System for Large-$k$ Workloads at Tencent

TEngineDB-V：腾讯面向大k workloads的原生OLAP向量搜索系统

Xufei Wu, Pengcheng Zhang, Yitong Song, Xiaobo Zhang, Anqi Liang, Kai Wang, Jijun Du, Yidi Xiong, Guangxu Cheng, Zhe Chen, Peng Chen, Guoliang Li, Xuanhe Zhou, Fan Wu

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

AI总结 本文提出TEngineDB-V，一款腾讯的原生OLAP向量搜索系统，通过全局分块解耦索引等技术解决大k向量搜索问题，实验显示其性能较竞品最高提升145倍，适配百亿级生产部署。

iFVS: Towards Instance-Optimized Filtered Vector Search

iFVS：迈向实例优化的过滤向量搜索

Abdullah Al-Mamun, Yeasir Rayhan, Walid G. Aref

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

AI总结 研究现代AI+DB系统中过滤向量搜索问题，提出iFVS技术，针对特定数据集和查询工作负载，采用特定于查询的码本生成方法，依查询向量和过滤谓词估计距离，实验证明其提升了QPS与召回率的权衡。

Comments 4 pages

CLIP: Lightweight Cosine-Law-Based Inverted-List Pruning for IVF-Based Vector Search

CLIP：基于余弦定律的轻量级倒排列表剪枝技术用于IVF向量搜索

Yitong Song, Shuhang Lu, Pengcheng Zhang, Jianliang Xu

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

AI总结 针对IVF向量搜索中粗粒度执行导致高延迟的问题，提出基于余弦定律的轻量级剪枝技术CLIP，支持簇间和簇内剪枝，显著减少不必要的簇和向量访问，并开发了IVF-CLIP、HIVF-CLIP和LSM-IVF三种变体，实验表明剪枝率达78%，效率提升最高141%。

PipeANN-Filter: An Efficient Filtered Vector Search System on SSD

PipeANN-Filter: 在SSD上的高效过滤向量搜索系统

Hao Guo, Jiwu Shu, Youyou Lu

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

AI总结 本文提出PipeANN-Filter，一种在SSD上高效的过滤向量搜索系统，通过探索有效向量的超集并在获取前k个最近向量后进行属性验证，利用概率数据结构减少SSDI/O开销，从而提升搜索延迟和吞吐量。

EGA: Adapting Frozen Encoders for Vector Search with Bounded Out-of-Distribution Degradation

EGA：基于冻结编码器的向量搜索适应方法，具有受限制的分布外退化

Dongfang Zhao

机构 * Tacoma School of Engineering and Technology University of Washington（塔科马工程与技术学院华盛顿大学） 纠错

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

AI总结 本文提出EGA方法，通过零初始化、局部三元组损失和超球面投影，解决冻结编码器在部署时面对未见类查询的问题，提升分布外场景下的标签精度。

Comments added ack and github link

GateANN: I/O-Efficient Filtered Vector Search on SSDs

GateANN: 在SSD上的I/O高效过滤向量搜索

Nakyung Lee, Soobin Cho, Jiwoong Park, Gyuyeong Kim

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

AI总结 GateANN通过解耦图遍历与向量检索，实现SSD上的高效过滤向量搜索，减少SSD读取次数并提升吞吐量。

d-HNSW: A High-performance Vector Search Engine on Disaggregated Memory

d-HNSW：一种基于解耦内存的高性能向量搜索引擎

Fei Fang, Yi Liu, Chen Qian

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

AI总结 d-HNSW是首个针对解耦内存系统的RDMA-based向量搜索引擎，通过硬件算法协同设计解决指针追逐、非连续内存布局、冗余数据传输和资源利用率低等问题，实现高准确度和高吞吐量。