SIGIR

The Matryoshka Hypencoder

套娃式假设编码器

Majd Alkawaas, Sean MacAvaney

AI总结 研究基于套娃表示学习扩展假设编码器，支持多种大小Q-Nets以权衡有效性和效率。该“套娃式假设编码器”在域内参数大幅减少，吞吐量提升，为假设编码器实际部署奠定基础。

Comments SIGIR 2026

Adapting Embedding Models for Agent Capability Retrieval

使嵌入模型适应智能体能力检索

Tingwei Chen, Yunxiao Shi, Zhengdong Chu, Qingsong Wen, Min Xu

AI总结 研究如何让一般文本检索的现成模型适应智能体能力检索，通过微调三个模型在特定数据集上训练，测试其在未训练目录上的迁移能力，结果显示适应对两个目录均有帮助。

Comments Accepted for oral presentation at the AgentSearch Workshop, SIGIR 2026

MIRA: An LLM-Assisted Benchmark for Multi-Category Integrated Retrieval

MIRA：一个基于大语言模型的多类别集成检索评估基准

Mehmet Deniz Türkmen, Suchana Datta, Dwaipayan Roy, Daniel Hienert, Philipp Mayr, Derek Greene

AI总结 本文提出MIRA基准，通过真实用户查询构建，支持多类别跨领域检索评估，利用大语言模型生成主题描述和相关性评估，降低测试集生成成本。

Comments Accepted to SIGIR 2026. Resource Paper. 8 pages, 2 figures. DOI:10.1145/3805712.3808614

Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR '26), 2026, pp. 3426-3433