Perplexity 发布 Q2D-Web:1.9 亿文档的 agentic RAG 检索基准
antoine_chaffin · x · 2026-09-10
Perplexity 与合作者发布 Q2D-Web（Query2Doc-Web），一个面向 agentic RAG 系统的大规模检索基准与公开排行榜，论文已发 arXiv。
- 语料库含 1.9 亿网页文档，7 万条由生产系统中的真实用户查询经 agent 重构而来的搜索 query，覆盖 10 种语言。
- 关键动机：现有基准要么语料大但 query 少，要么 query 多但语料只有百万级；且 agent 重构的机器查询分布与人工查询不同，旧基准无法评估第一阶段检索器。
- 提供三套相关性标注：agent 引用、生产排序、以及两者并集加 LLM 判断以降低假阴性。
- 已评测 13 个检索器（词法、稠密、late-interaction），发现其相对排序对标注集选择不敏感。
- 配套公开排行榜，团队包括 Maximilian Schall、Sedigheh Eslami 等。
所属事件:Perplexity 开源 Q2D-Web：1.9 亿网页的 agentic RAG 检索基准(10 条相关)→
「研究」频道最新
- 同一模型不同评测框架成绩悬殊,开发者呼吁标准化 harness 评测 — zainhas · 2026-09-10
- MIT Point2Pose:无需 CAD 的多物体 6D 姿态追踪,全遮挡也能恢复 — joemeno · 2026-09-10
- 科学家集体反思:AI agent 舰队冲击研究与同行评议体系 — vykthur · 2026-09-10
- 可编程世界模型让 AI 游戏记住状态,准确率达 94% — mhdfaran · 2026-09-10
- ReactVAU 登场 ECCV 2026:快慢双通路让流式视频理解少唤醒大模型 — CMHungSteven · 2026-09-10
- Meta 部署自主 Agent 自动迭代生产级广告排序模型 — dair_ai · 2026-09-10