免训练检索框架 Seek 用自评估迭代探索,BRIGHT 上超 BM25 达 82%

_reachsumit · x · 2026-09-25

CIKM 2026 论文 Seek 提出免训练的迭代检索框架，解决现有 LLM 检索/重排器单轮交互、错过即永久丢失相关文档的问题。

工作方式：每轮由 LLM 基于累积相关性反馈生成伪段落，检索器召回新候选，专用评估器给出分级相关性判断指导下一轮。

• TREC Deep Learning 上排名质量媲美训练过的重排器，Recall@100 稳定优于单轮 BM25
• 推理密集的 BRIGHT 基准上，Qwen2.5-7B 版本相对 BM25 提升 82%，超过所有训练基线
• GPT-4.1 版本平均 nDCG@10 达 37.4，超最强基线 37%

原文链接 →

「研究」频道最新

• Dietterich：预训练阶段已迫使模型抽象泛化，不止鹦鹉学舌 — tdietterich · 2026-09-25
• 港城大提出 NSC 指标：无需训练即可评分网络架构，比参数量大 5900 倍速 — CityU-HongKong · 2026-09-25
• HRI 2027 新设存档级工业白论文赛道，征集机器人落地实践 — petitegeek · 2026-09-25
• 研究：推理并非总有用，15.7% 案例反而拉近难负样本 — _reachsumit · 2026-09-25
• Google 生产级多任务推荐：辅助头学习跨任务关系，已上线 YouTube — _reachsumit · 2026-09-25
• 字节 OneTrans-V2 统一推荐三阶段 Transformer,线上 GMV 提升 9.74% — _reachsumit · 2026-09-25

更多「研究」频道 AI 资讯 →