今日场景社区搜索 (UGC 短文本搜索)：用户在社区平台搜索帖子、问答、评论等 UGC 内容；核心指标为搜索相关性 nDCG 与点击率 CTR，关注语义匹配、query 理解、短文本召回、排序模型及 LLM 搜索应用。 — 评分 69 篇，入选 10 篇，分数 3.05 – 4.65
Jina AI论文面向生产级列表重排，提出 6 亿参数 jina-reranker-v3.5：以三层滑窗注意力接两层全局注意力保留跨文档比较，并用三阶段自蒸馏迁移全注意力教师能力。模型在 BEIR 达到 63.20 nDCG@10，以约七分之一参数匹配 40 亿模型，半结构化检索提升 9.6 点，推理最高加速 1.56 倍。
AnnoRetrieve 将非结构化文档检索从向量相似度改写为结构化标注查询。SchemaBoot 通过多粒度模式发现与约束优化自动生成标注模式，SSR 则执行属性值抽取、表格生成和渐进式 SQL 推理；三个真实数据集显示，它在保持高准确率的同时显著减少 LLM 调用频次与检索成本。
INSIGHTUGC 搜索里大量需求其实带有地点、品类、价格或时间等可结构化约束，先自动诱导 schema、再做结构化语义检索，能避免纯向量召回的“语义相近但条件不符”。实践上可把它作为精确召回通道与现有 BM25、向量召回并行，再用统一重排融合，降低全量 LLM 后处理开销。
TurboVec 用无需语料训练的 4-bit TurboQuant 标量量化构建多租户向量索引。在 10 万至 99.9 万条、1536 维 DBpedia 向量上，其 Recall@5 比同内存 FAISS PQ 高 8.5–8.9 个百分点；10 万向量中位延迟从仓库暴力扫描的 707ms 降至 11ms，并将成员推断准确率压到接近随机的 50%。
INSIGHT该工作把召回质量、租户隔离和隐私泄漏放进同一个索引设计，而不是依赖召回后的过滤。对社区搜索或企业知识库，可借鉴“无语料码本量化+内核级白名单过滤”，在节省 4–8 倍于 HNSW 的内存时维持选择性查询召回；但单数据集与合成隐私测试仍需业务数据复验。
ANNLib 面向图式近似最近邻检索，将算法逻辑与底层数据结构解耦并分别优化，再把主流算法、索引结构及新设计封装为可组合模块。统一接口支持过滤检索、全动态更新和历史快照查询；实验表明，各类组合在对应应用上可达到与专用系统相当或更好的性能，同时显著降低实现复杂度。
INSIGHT搜索召回基础设施常被“高性能但难扩展”与“功能丰富但慢”夹住，ANNLib 的模块化边界值得借鉴：将遍历策略、邻接结构、过滤器和版本管理拆开组合。社区内容更新快且存在审核、地域、时间过滤，采用同一框架承载动态索引与历史快照，可减少为不同场景维护多套 ANN 服务的成本。
ByteDance火山引擎给出一套可配置的交互式搜索推荐产品流程：以商品库为数据底座，融合精确过滤与语义检索召回，并开放排序规则、效果及性能测试、用户分群策略和标准化 API。系统覆盖搜索框、智能导购与业务匹配，支持从 CDP 数据准备、商品库创建到应用配置和 OpenAPI 上线。
INSIGHT其价值不在新模型，而在把多轮意图理解、混合召回、排序配置和交付接口封装成完整工程闭环。社区搜索可借鉴这一分层：先把内容与用户特征标准化，再将硬条件过滤和向量语义召回显式组合；不过文档未公开离线指标或线上 A/B 数据，选型前必须用自身 nDCG、CTR 和延迟压测。
Leiden University文章解读 SIGIR 2026 的 GEMS 框架，尝试用十亿参数级大语言模型统一搜索与推荐。方法以多子空间梯度分解缓解查询相关性与长期偏好两类任务的梯度冲突，再用零空间投影减少参数高效微调对通用知识的扰动，从而避免为两条信息获取链路分别做全参数训练。
INSIGHT统一模型的关键不是简单共享参数，而是显式控制两类目标的更新方向。对社区平台，可先在共享语义骨干上保留搜索相关性与推荐兴趣两个适配子空间，监控互相拖累后再扩大统一范围；这能复用内容表征并减少模型库存，但文章是二次解读，具体增益应回到原论文和业务复现实验验证。
论文研究如何在同一搜索入口检索原生 Agent、工具包与技能包等异构能力单元。作者把公开元数据转成 capability profile，在 AgentSelect 上微调 BGE-base、KaLM-v1.5 与 EasyRec，并在未见过的 MuleRun 目录及包含 50 个技能、1000 条查询的 ClawHub 基准上测试，三个骨干适配后均获得迁移收益。
INSIGHT异构目录检索的难点是用户表达与“可执行能力”之间不对称，统一生成能力档案比直接匹配名称或描述更稳。社区搜索也可把帖子、问答、话题和服务入口映射到统一能力或意图字段，再做轻量对比微调；但摘要未披露具体提升幅度，代码与数据也要到正式发表后才释放。
论文把用户浏览搜索列表建模为带固定检查成本的贝叶斯序贯决策：每看一条结果既获得候选，也更新对整页质量的后验判断。最优停止策略是深度相关阈值规则，并可化为一维马尔可夫链求完整浏览深度分布；进一步把观测深度写成可微的学习排序似然。
INSIGHT点击之外，“用户看了多深才停”同时反映信任、承诺与止损，可成为 UGC 搜索排序的新监督信号。落地时可用曝光深度和最后有效交互拟合停止似然，补充传统 pairwise/listwise 损失；但该工作偏理论，摘要未提供线上或大规模离线验证，需先在日志回放中检验假设。
论文审计法律先例检索中的时间泄漏：未来案件引用目标文书的上下文，在真实查询时并不存在，却常被离线评测误用。作者把放宽时间围栏后的收益拆为未来证据、查询前合法证据和索引效应，并在 184 万文档的 CLERC 与 ECtHR-PCR 两个法域验证；后者仅 14.9% 的表面增益属于合法收益。
INSIGHT搜索离线评测必须按查询发生时刻冻结特征、内容和图关系，否则“未来互动”会虚增相关性收益。社区搜索尤其应对引用、点赞、评论及作者热度设置时间围栏，并分别报告真实增益与幻影增益；这比单纯随机切分更接近上线环境，也能避免把数据泄漏当成召回创新。
Meituan该中文综述汇总美团搜索推荐 ASX 团队近期六篇顶会论文与专场分享，主题横跨大模型后训练、Agentic 强化学习和多模态理解，并强调这些方向与召回、排序、内容理解及工具调用的结合。它提供国内互联网团队的近期研究地图，但未逐项给出完整实验表格或线上指标。
INSIGHT对从业者最有用的是选题雷达：复杂推理可用于查询理解与证据组织，多模态表征可补足短文本信息，Agent 训练则适合多步骤搜索任务。由于文章属于二次汇编，应把它当作发现入口而非结论证据；真正立项前需回看六篇原论文、代码和美团原始分享。