2026-11-06 周五 · AI 搜索

今日场景检索系统不只要把文档找近,还要知道近在哪里、找回后能不能答对。Axis-LoRA 强调时间与人物的区别,RAGCompass 按答案表现选证据,QE-RAG 则把输错问题单独拿来测。评估时先分清查询、候选证据和最终答案,别让一个平均检索分数替整个系统作答。 — 评分 91 篇,入选 10 篇,分数 4.05 – 4.40

本期目录 · 10 篇
  1. 01RAGCompass: Generalizable Retriever Routing via Reranking
  2. 02CORE: Coarse-to-Fine Search with Context Management for Deep Research
  3. 03RAG without Forgetting: Continual Query-Infused Key Memory
  4. 04Reducing Representational Interference in Retrieval Embeddings with Trainable Prefix Tokens
  5. 05CONFRAG: Confidence-Guided Retrieval-Augmented Generation
  6. 06Signed but Steerable: Measuring and Closing the Text-Vector Integrity Gap in Offline Retrieval-Augmented Generation
  7. 07Axis-LoRA: Probing and Adapting Embedding Models for Personal-Memory Retrieval
  8. 08Test-Time Optimization of Query Embeddings with Ranking Aware Reward Maximization
  9. 09ModalSearcher: Weaving Visual Evidence into Autonomous Cross-Modal Deep Search
  10. 10QE-RAG: A Robust Retrieval-Augmented Generation Benchmark for Query Entry Errors
LEAD STORY · 今日必读

RAGCompass: Generalizable Retriever Routing via Reranking

同一个问题交给不同 检索器,返回的段落对最终答案的帮助可能不同。RAGCompass(从各路取回结果中选一组的路由模型)先运行各路检索,再让一个经过训练的 reranker 比较这些结果,选择一组交给大模型作答。在全部测试问题上,答案 F1 比最佳固定 检索器 高 2.28 个百分点。摘要中的相对提升 28% 来自筛选后的问题集合,不能当作全量收益。

相关 5新颖 4实用 4证据 4时效 5
4.40
综合分 / 5
偏好调整 4.45
Valentin Six, Mufei Li, Dongqi Fu, Yinglong Xia, Hong Li, Pan Li · 2026-11-03 · arXiv

今日其余入选

9 篇 · 按综合排名
02 4.40

CORE: Coarse-to-Fine Search with Context Management for Deep Research

研究 agent 越搜越多,不一定需要把整段材料反复塞进上下文。CORE 先找候选段落,再在段内挑与子问题最相关的短片段;信息不够时,回到已见文档找相关段及其前一段。重复片段只留引用,新片段仍完整展示。在固定语料的 BrowseComp-Plus 对照中,同一 agent 从仅粗检索的62.61%准确率,升至完整方案的80.12%。提升来自检索和上下文管理的组合,不是只靠把上下文裁短。

Hoang Tran Vuong, Ngoc Quan Pham, Hung Bui, Fatih Porikli, Dat Quoc Nguyen
arXiv·2026-11-05·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
03 4.30

RAG without Forgetting: Continual Query-Infused Key Memory

已录用 ICML 2026

一次成功的查询扩写,能留作下次检索的文档记忆。ERM 给每份文档的每条扩写记分:检索或回答判对后,先筛出加到文档向量后能提高原查询相似度的扩写。对同一文档,把同一查询各扩写的增益做 softmax,用各权重乘对应增益,累加到该文档各条扩写的分数。每批选累计分最高的若干条扩写,作为一组送入编码器,再将所得向量加到文档向量。不训练模型,测试问题也不参与记忆更新;结果不能外推为长期线上无偏差。

Yuntong Hu, Sha Li, Naren Ramakrishnan, Liang Zhao
ICML 2026·2026-04-30·Relevance 5 · Novelty 4 · Practical 4 · Evidence 3 · Timely 5
04 4.30

Reducing Representational Interference in Retrieval Embeddings with Trainable Prefix Tokens

文本压成检索向量时,位置和低信息 token 的影响也可能混进去。这项方法给问题和文档都加可训练的 [DUMP] 前缀,让它们与正文一起参与注意力;编码器仍取 [CLS] 的表示,decoder 取最后 token 的表示,不改检索损失。EuroBERT 在标准检索集合上的平均 NDCG@10 从0.5786升至0.5884。前缀与模型共同微调,推理时也保留;不是随手加几个特殊 token,就能让原模型零训练提分。

Seongtae Hong, Youngjoon Jang, Jungseob Lee, Chanjun Park, Heuiseok Lim
arXiv·2026-11-05·Relevance 5 · Novelty 3 · Practical 5 · Evidence 3 · Timely 5
05 4.10

CONFRAG: Confidence-Guided Retrieval-Augmented Generation

已录用 EMNLP 2026

先判断要不要查资料,判断本身也可能增加等待。CONFRAG 先由分类模型识别需要最新信息的问题,直接走 RAG;其余问题把直接答题和 RAG 并行启动。答题模型经过事实问答微调,训练时把答错样本改成表达不确定;上线若没输出不确定,就返回其答案并提前停止 RAG 后续流程,否则等检索答案。这里没有在线核验答案真伪,搜索 API 也已经调用,主要省的是后续抓取、处理和总结。

Yin Huang, Yifan Ethan Xu, Kai Sun, Vera Yan, Alicia Yi Sun
EMNLP 2026·2026-01-01·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
06 4.10

Signed but Steerable: Measuring and Closing the Text-Vector Integrity Gap in Offline Retrieval-Augmented Generation

知识包签名有效,检索仍可能被改过的向量带偏。这项研究把威胁放在持有签名权限的发布方:文本通过审查,配套向量却被定向调整。在 SQuAD 的 BGE-M3 实验中,若存储向量与按文本重算的向量只需余弦相似度达到0.999,相关段落原本排首的问题里,24.6%存在可夺走首位的扰动。这是逐问题选择攻击的暴露度,不是一个坏索引同时劫持全部这些问题;来源签名与文本、向量的一致性需要分开验证。

Georgios Feretzakis, Alexandros Papaspyridis
arXiv·2026-11-04·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
07 4.10

Axis-LoRA: Probing and Adapting Embedding Models for Personal-Memory Retrieval

个人记忆里,同一件事换了时间、地点或人物,通用向量未必分得清。Axis-LoRA 分别学习时间、空间、实体和事件的适配器,再由问题决定各项相似度的权重,加到冻结模型的原分数上;训练负例只改其中一类信息,逼模型看清差别。各编码器在个人记忆测试上的平均 R@10 提高1.28–1.56个百分点,单项仍有回退;Qwen 的通用检索 NDCG@10 均值也下降0.50点。它是在放大特定记忆线索,不是无代价提升全部检索。

Dohoon Kim, Junho Park, Hyunwoong Bae, Seyoon Kim, Taesup Moon
arXiv·2026-11-05·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
08 4.10

Test-Time Optimization of Query Embeddings with Ranking Aware Reward Maximization

重排器打过的分,不一定只能用来调整眼前几个候选。TTT-Embed 用这些分数学习任务内共享的偏移向量,让修改后的查询排序接近重排判断;再把偏移加到查询向量上,归一化后重新从全库召回,不改 embedding 模型或文档索引。MTEB 测试中,平均每问题十次文档评分预算下,任务共享方案的 NDCG@10 提高6.36点,同预算直接重排提高3.21点。评分仍有成本,最合适的共享范围也随预算变化。

Tianyu Chen, Jiaxing Wu
arXiv·2026-08-12·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 2
09 4.10

ModalSearcher: Weaving Visual Evidence into Autonomous Cross-Modal Deep Search

找答案有时要先找图,再顺着图里的人或物继续查。ModalSearcher 离线造题时,例如把维基词条连到其中提及、可稳定搜到的场景图,再把图中经核实的人或物接回词条。从这些连接里抽取路径,为末端词条或图片写问题,再倒着用前一步的关系描述替换中间实体名,避免直接搜名字就跳过前面的查找。图只用于造数据,线上由 agent 自选文本或图片搜索。同工具环境下,训练后比原始 Qwen3-VL-8B 的平均问答准确率高16.2点。收益属于整套数据与训练方案,不保证每题都只能靠图解答。

Zhihan Yin, Ruyi Li, Chengyu Fang, Yifeng Yao, Nonghai Zhang, Pengfei Xiong, Terry Zhang 等 9 人
arXiv·2026-11-04·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
10 4.05

QE-RAG: A Robust Retrieval-Augmented Generation Benchmark for Query Entry Errors

已录用 SIGIR 2026

问题输错了,先让大模型润色一遍,未必比直接检索好。QE-RAG 保持答案标注不变,给部分问题注入输入错误,检查检索和生成会在哪一步受影响。它还训练纠错模型:先读带错问题取回的文档,再输出原本正确的问题,用改好的问题重新做 RAG。在40%问题带错的测试中,该方案平均答案 F1 从普通 RAG 的34.39升至37.52,直接提示纠错反而更差。要测的是保住原意,而不只是把句子改顺。

Kepu Zhang, Zhongxiang Sun, Weijie Yu, Xiaoxue Zang, Kai Zheng
SIGIR 2026·2026-07-15·Relevance 5 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5

其他赛道今日

点击切换

开源雷达

GitHub / HuggingFace 热门 · 5 个项目