AutoIndex:用可执行的表示程序优化检索,8 项任务召回率平均提升 8.4%
CShorten30 · x · 2026-09-14
UMass Amherst 与 Databricks Mosaic Research 发布论文《AutoIndex: Learning Representation Programs for Retrieval》。核心思路是不再只调 retriever/reranker,而是把“文档如何变成索引表示”本身当作显式优化目标:
- 搜索可执行程序:对原始文档做切片、增强、归一化、重加权、重组等变换后再索引
- 闭环优化:每轮由 agent 诊断检索失败原因、合成候选程序、重建索引,只保留在验证集 Recall@100 上真实提升的更新
- 在异构检索基准 CRUMB 上评测,BM25 保持不变,学习到的程序在全部 8 个任务上提升召回,平均 +8.4% Recall@100、+8.3% nDCG@10,最高 +30.5% 与 +43.6%
- 结论:文档表示不应是检索开始前的固定预处理选择,而应是可搜索的优化对象
论文、代码与 arXiv 预印本均已放出。
所属事件:AutoIndex用LLM编写代码优化检索索引(3 条相关)→
「研究」频道最新
- PostTrainBench 轨迹数据集月下载破 10 万,作者警告是 RL 奖励作弊所致 — maksym_andr · 2026-10-31
- OpenAI 纳维-斯托克斯解被质疑钻了千禧年大奖的空子 — dhadfieldmenell · 2026-10-31
- 研究者为 SGLang 写 200+ 条属性约束，找出 10 个推理缺陷 — LingmingZhang · 2026-10-31
- 30 位专家定义 AI 临床安全分类法，压测显示离自主诊疗仍很远 — AleksandraFaust · 2026-10-31
- 手写 RAGEN 代码成 FrontierCS 2 第三难任务，限 0.5 A100 小时 — wzenus · 2026-10-31
- 复旦腾讯清华推出 ExplorationBench：55 个改动规则考验 AI 真探索能力 — jiqizhixin · 2026-10-31