标签
FinFIRST 引入了一个基准，通过原子化标准共同评估答案和支持证据，用于评价金融搜索代理，包含 123 个由专家撰写的任务，涵盖不同难度级别。
QontoFAQ 介绍了一个用于信息检索的新基准和指标，专注于提升回答产品问题的相关性度量，并发布了相关的代码和数据集。
本文展示，基于注意力的重排序中的校准内容在详细指令下可能降低性能，并提出插值空校准作为一种无需训练的方法，以在指令密集的任务上恢复排名。
本文介绍了SELF-INDEX，这是一个使搜索索引能够自主自我进化的框架，从而提升检索性能，并惠及搜索代理和代理记忆系统等下游应用。
本文提出了一种用于检索增强生成（RAG）管道的查询感知分流层，以处理源与查询之间的实质性关系，通过在合成数据上评估的评分和路由方法来定义风险覆盖目标。
Lev8的Open Search是一款AI工具，集成了Claude，可以通过自然语言同时搜索多个国内外平台，提供商业应用如竞争对手分析和客户发现。
作者描述了AI智能体如何因缺乏生命周期感知而读取过时文档，并提出了一种名为OCOM的开放规范，该规范为对象添加元数据，包括身份、归属、生命周期和证据，以确保智能体访问最新信息。
文章解释了为什么知识图谱在AI系统的记忆存储中优于平面列表，因为它们能有效处理对同一实体的多个引用，并防止搜索结果的碎片化或矛盾。
本文介绍了针对LinkedIn语义搜索的对齐策略检索框架，利用嵌入向量划分为类别监督分段，并采用两阶段GPU架构以提升召回率和精确率，显著效果在A/B测试中得到验证。
CoGR是一个检索框架，采用协同进化强化学习来训练LLMs在查询和项目两侧生成关键词，在检索任务中实现了显著的性能提升。
本文介绍了Multi3IR，一个多视角、多领域、多模态信息检索基准，并提出了SPIN，一种改进检索系统视角覆盖的方法。
本文介绍了MoganColBERT-TR，一个用于土耳其语的后交互多向量检索模型，通过从先前编码器进行蒸馏训练，在土耳其语BEIR数据集上实现了具有竞争力的零样本性能。
GreenLeaf Law Embed Tiny 是一个紧凑的0.6B参数嵌入模型，用于法律领域检索，在MLEB和MTEB(Law, v1)等基准测试中实现竞争性表现，并针对资源受限环境提供高效推理。
作者表达了对ColBERT模型在机器学习中提供即时高质量结果的兴奋，并暗示即将发布开源模型，展示了晚期交互技术在没有存储开销下的效率。
本文介绍了一种基于因果图的注意力机制，以提升检索增强生成（RAG）系统中的检索精度，并在专有知识库的关键词填充机制中显示改进。
本文介绍了KSE-Web，一项针对低资源柬埔寨语语义搜索的混合检索与LLM辅助查询扩展分析研究。研究通过构建一个数据集，评估了BM25、稠密检索以及混合检索方法，发现BM25表现最佳，同时LLM查询扩展在柬埔寨语应用中存在局限性。
一项关于嵌入与大语言模型成本效益的讨论，引用了名为'embedder's dilemma'的研究，该研究发现大语言模型以显著更高的成本超越了嵌入模型。
本文提出一种结合规则与LLMs的代理框架，用于植物科学中文档布局的嵌入和注释，实现了可扩展的性状提取并提升了注释覆盖度。