新 DocID 方案让生成式检索 unseen 文档 Hit@10 提升 20 个点
_reachsumit · x · 2026-10-14
莱顿大学等机构论文《Computed, not Memorized》提出位因子化的数字文档标识符（DocID）设计：每个 DocID 是按位分解的 token 序列，各位的含义直接继承自语言模型自身的表示，而非靠索引阶段训练死记的 embedding。
- 无需重训即可对未见文档打分，解决了数字 DocID 泛化差的问题
- 在三个基准上，unseen 文档 Hit@10 比现有数字 DocID 高出 20 个百分点以上
- 推理延迟最高降低 7 倍（NQ320K、TriviaQA），已见文档性能基本持平
- 在 MS MARCO 上仅比需要权重更新的方法低 3 个百分点
「研究」频道最新
- 小鹏发布自动驾驶 VLA 模型 AUGUstus，NAVSIM 双榜 SOTA 并实车部署 12Hz — XPENG-AI · 2026-10-14
- 阿里联合南洋理工系统评测对比学习策略：多数花式技巧收效甚微 — alibaba-multimodal-industrial-ai · 2026-10-14
- Lightricks 推出 APEX：层级潜空间+异步去噪，实现 64-128 倍极致压缩 — Lightricks · 2026-10-14
- EMHO：冻结模型不变，让具身智能体框架从经验轨迹自我进化 — Hyun Jung Lee · 2026-10-14
- 港中深等发布 WorldCast：分布式多人世界模型，CS2 上实时运行 — CUHKSZ · 2026-10-14
- 高丽大学发布 MixLID：token 级混合语言识别模型，覆盖 111 种语言 — Seongtae Hong · 2026-10-14