ReDSI:首个覆盖全部三类文档标识符的开源可微搜索索引实现
_reachsumit · x · 2026-09-09
法国研究团队发布 ReDSI,首个覆盖全部三种文档标识符类型(atomic、naive、semantic)的开源可微搜索索引(DSI)实现,并附参数化、文档完善的 NQ320K 数据构建管线,解决生成式检索基线难以复现的问题。
关键点:
- DSI(Tay et al., 2022)是生成式检索的事实基线,但一直缺乏公开完整实现,各论文报告结果差异巨大,常用 NQ320K 数据集预处理流程不明确。
- ReDSI 实验结果与此前 DSI 基线持平或更强。
- 团队还做了大量模型缩小(downscaling)实验,覆盖检索效果、参数效率、训练方法与解码策略,为后续研究提供方向。
代码与论文均已开源。
「研究」频道最新
- 往机器人 VLA 模型里加希腊语:双语训练可提升性能但远逊英语 — KIEFERSA · 2026-09-09
- Transformer 早编码晚启用:对对话者专业水平的推断各层何时生效 — Mika Okamoto · 2026-09-09
- Cadence:用时序基础模型实现误差有界的有损时间序列压缩 — Roberto Tacconelli · 2026-09-09
- ECCV 2026 第四届 Perception Test 挑战赛聚焦城市级空间智能 — AjdDavison · 2026-09-09
- Meta 研究员分享 capi 训练技巧:按批次比例丢弃样本保住 GPU 效率 — TimDarcet · 2026-09-09
- Common Crawl 发布实验性图嵌入数据集,覆盖 5290 万网站主机 — lhoestq · 2026-09-09