阿里提出 PAO 优化法，RL 微调语义检索防嵌入塌陷
_reachsumit · x · 2026-09-01
针对在冻结索引上使用强化学习微调检索器会导致嵌入几何结构破坏的问题，阿里巴巴提出了 PAO (Positive-Advantage-Only) 方法。PAO 选择性地仅对具有正优势的检索项应用梯度更新，将查询嵌入拉向高奖励区域，从而在适配下游任务的同时保持全局拓扑结构的稳定性。
「研究」频道最新
- Smarter Every Day 博主 Destin 将答辩冲击聚变博士论文 — CatAstro_Piyush · 2026-10-18
- 脑植入物让失语者重新开口，Science 长文综述语音 BCI 产业进展 — EricMTrautmann · 2026-10-18
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- 数学预印本新仓库 Hexagon 上线，收录 arXiv 不收的研究成果 — tak3sh8 · 2026-10-18
- Periodic 创始人 CoLM 演讲：自训模型终将跨越前沿模型拐点 — heghbalz · 2026-10-18
- PNAS 论文:生物突触可自组装出逼近梯度下降的学习规则 — xuanalogue · 2026-10-18