retrieval-benchmark

OBLIQ-Bench 引入了一套包含五项倾斜搜索任务的套件，揭示了检索与验证之间的差距：推理型大语言模型在文档被呈现出来后能轻松识别相关文档，但即便是最先进的检索器也无法将其呈现出来，凸显了现代检索系统中被忽视的瓶颈。