论文页面 - 自主演进的搜索索引

来源：https://huggingface.co/papers/2609.19656

摘要

随着大语言模型智能体在处理涉及多样化信息需求的复杂任务时，信息检索变得越来越重要。由于检索依赖于通过索引键表示每个文档的索引，检索质量在很大程度上取决于这些索引键如何有效地展示每个文档中包含的知识。然而，有效的索引表示会因检索环境而异，这使得任何固定的优化策略都难以保持稳定的性能。然而，使索引适应其检索环境的过程在很大程度上仍然依赖于人工，需要人类来诊断检索失败、优化策略并相应地重新处理索引。我们提出了SELF-INDEX，一个能够让索引在无人工干预的情况下自主演进的框架。它的优化器能自主诊断检索缺陷，选择性地修订相关的索引键，并在更新索引前验证每次修订。除了响应已观察到的检索需求外，SELF-INDEX还通过查询模拟器主动探索额外需求，使索引能够在现有优化查询之外进行演进。在多个语料库和检索器上的测试表明，SELF-INDEX持续提升了检索性能，并优于现有的索引优化方法。我们进一步证明，这些益处也延伸到了下游应用，提升了搜索智能体的有效性和效率，并帮助智能体记忆系统检索到有用的过往交互记录。

查看 arXiv 页面 (https://arxiv.org/abs/2609.19656)查看 PDF (https://arxiv.org/pdf/2609.19656)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.19656)

通过智能体获取此论文：

hf papers read 2609\.19656

尚未使用最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.19656 即可从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.19656 即可从此页面链接。

引用此论文的空间0

没有空间链接此论文

在空间的 README.md 中引用 arxiv.org/abs/2609.19656 即可从此页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接。