Embedding Surgery:查询时局部修正文档向量,DG@10 提升可达 60%
_reachsumit · x · 2026-09-07
arXiv 论文《Embedding Surgery》提出一种面向稠密检索的轻量级自适应排序纠错方法:在查询阶段对选定文档嵌入做局部、最小化更新,而非重新训练或重建索引,更新信号可来自编辑标注、用户点击或 LLM 伪标签。
- 方法被建模为凸优化问题,在满足排序约束的同时尽量少改动受影响文档的表示,不破坏嵌入空间整体结构
- 在 TREC Deep Learning、TREC Robust、TREC CAsT、MS MARCO 上集成到标准稠密检索流水线验证
- 结果:即使反馈含噪或漂移也有一致提升,如在 DL-Hard 上编辑反馈下 nDCG@10 相对提升最高 +60.64%,计算成本低
对依赖静态向量索引的搜索、推荐与 RAG 系统,这提供了一条无需重训就能吸收反馈信号的实用路径。
「Infra」频道最新
- 曝 Anthropic 与 SpaceX 签算力大单:每月 31 亿美元,至 2029 年共 1205 亿 — ns123abc · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27