RICE 方法:仅靠上下文示例让 LLM 免训练构建稠密检索
_reachsumit · x · 2026-09-30
滑铁卢大学 Nour Jedidi、Jimmy Lin 等人在 arXiv 发布论文,提出 RICE(Representations from In-Context Examples):无需任何检索器训练,只在 prompt 中给 LLM 少量 query-document 示例,即可让其产出高质量稠密检索向量。核心思路是让 query 和 document 编码共享示例提供的上下文,从而显著提升基于 prompt 的 LLM 嵌入的检索精度。代码已开源,为构建免训练的 LLM 稠密检索器提供了简单路径。
所属事件:RICE：无需训练即可将 LLM 变为稠密检索器(2 条相关)→
「研究」频道最新
- HCOMP 2026 末场聚焦:跨线上与物理环境的错误信息信念研究 — windx0303 · 2026-10-01
- Meta-Reasoning 论文:把执行策略纳入推理,ProgramBench 上超 Codex 13.5 分 — anirudhg9119 · 2026-10-01
- 推理时扩展新思路:关键不是算多少,而是怎么组织计算 — anirudhg9119 · 2026-10-01
- Meta 团队提出 Agentic Meta-Reasoning:让模型自建推理计算图 — anirudhg9119 · 2026-10-01
- FINGR 灵巧手用连续手指动作复原二阶魔方 — HaozhiQ · 2026-10-01
- 19和21维接触数下界刷新：τ₁₉≥12268、τ₂₁≥30761 — felpix_ · 2026-10-01