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
- PyTorchCon China 明日上海开幕,华为专场谈跨加速器工作负载 — PyTorch · 2026-09-07
- 一场演讲塞四个互连标准，从业者自嘲「光互连就是个大烂摊子」 — jwt0625 · 2026-09-07
- PyTorch 基金会现身上海：月下载 8000 万次，探讨多元硬件开源栈 — PyTorch · 2026-09-07
- DEX-Comp 压缩 RAG 上下文 16 倍,性能反超未压缩基线 — _reachsumit · 2026-09-07
- VDN-H3 移植到 Vpipe:M5 Pro 24GB 上 H3 生成最快提速 2.6 倍 — TgoAI · 2026-09-07
- SC Asia 2027 征稿启动:聚焦超算、AI 基础设施与量子,2027 年 3 月新加坡举办 — thoefler · 2026-09-07