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。 核心指标是搜索相关性 (nDCG) 和点击率 (CTR)。 关注：语义匹配、query 理解、短文本召回、排序模型、LLM 在搜索中的应用。 — 评分 72 篇，入选 10 篇，分数 3.05 – 4.10
Stevens Institute of Technology针对技能市场中的语义检索，SkillSeek 使用 BGE 双编码器召回与小型交叉编码器重排，在 89 个 SkillsBench 任务和两种技能池中比较确定性检索与 LLM 精炼循环。34K 技能池上的 Qwen 设置达到相同的 0.442 平均任务得分，总试验费用从 51.30 美元降至 27.54 美元。
MongoDBVoyage AIMongoDB 发布 rerank-3 系列及聚合管线原生重排，将候选召回和相关性排序接到同一数据流程。厂商报告相对于不重排，BM25、OpenAI v3 large、voyage-4-large 三种首阶段的 nDCG@10 分别提高 20.56%、12.77%、5.08%；这些是厂商评测结果。
INSIGHT强首阶段召回之后仍可能存在重排空间，社区 UGC 搜索可用固定候选集评估交叉编码器的质量和成本。原生管线有助于管理向量更新与模型版本，但本文未提供完整可复现实验细节，也未证明社区线上 CTR 收益；采用前应在自有短文本、长尾及实体查询上复测。
论文为查询与商品增加 LLM 生成的结构化属性，以及人工验证的相关性、解释和中心性信号，用双编码器与 MLP 重排评估监督价值。ESCI 子集上人工特征上限 nDCG@10 为 0.9382，无人工输入的 Q+P 方案为 0.9258，合成信号方案为 0.9150。
INSIGHT解释与标注备注比单一中心性分数提供了更多收益，提示语义监督应保留判断依据。社区短文本搜索可为困难查询标注意图、帖子属性与相关性解释，再训练轻量重排器。人工特征上限不能作为上线预期，应按无需人工输入的配置评估 nDCG，并检查合成解释对长尾查询的偏差。
RenderRank 将文档文本渲染为图像，利用压缩视觉 token 做查询相关性重排，先蒸馏文本教师得分，再学习正负文档的相对排序。在 11 个 BEIR 数据集上平均 nDCG@10 为 55.96，输入 token 减少 16.5%–35.5%；长文档设置平均 nDCG@10 为 88.27，吞吐为基线最佳值的 1.70 倍。
INSIGHT视觉压缩提供了另一种降低重排输入成本的路径，但收益取决于文档长度和渲染开销。社区搜索应先在长帖子、图文内容上试验，并比较端到端延迟与字体、语言鲁棒性；纯短文本可能没有足够压缩空间。不同评测集合的 nDCG 数值不能横向直接比较，需保留教师和硬件设置。
研究在同一生成器下比较六类科学问答检索策略，以 463,971 篇论文和 19,484 条合成查询控制评测条件。ColBERT 的平均回答评分为 3.94，改写加重排为 3.77，普通稠密召回为 3.60；问题类查询 Hit@3 分别为 92.8% 和重排方案的 47.5%。
INSIGHT细粒度 token 匹配和候选重排比简单增加改写更值得优先验证。社区短文本搜索可用统一查询集对比单向量、晚交互和重排，并同时记录召回率及延迟。此比较更换了检索编码器和索引，不能把全部差异归因于晚交互；回答评审也未看到检索证据，不能独立证明忠实性。
Wuhan UniversityMMTI 通过多维显著性筛选关键帧和局部图像块，并用动态门控把文本查询分解为句子、帧、图像块三个粒度，实现多粒度文视频语义对齐。在 MSR-VTT 上 R@1、R@5、R@10 分别为 56.6%、89.4%、95.0%；移除查询分解后 R@1 降到 48.0%。
INSIGHT对视频社区搜索，动作顺序与局部实体信息容易在单一全局向量中丢失，可以借鉴多粒度查询和视觉去冗余设计。实践应先确认短文本帖子是否具有相同信息损失，再决定是否增加多向量匹配；论文的四个视频基准结果不能直接外推为纯文本搜索 nDCG 或线上 CTR 收益。
LEAP 把长音视频分块，先定位短候选窗口，再汇集高分窗口执行有界上下文回答，并分别训练定位与回答 LoRA。多个 AVQA 基准上相对 Qwen3-Omni-30B-A3B 的报告增益范围为 4.5%–16.8%，迁移到 MiniCPM-o 4.5 后超过其已发表结果 3.1%–13.0%。
INSIGHT分离证据定位和最终理解，可以让回答阶段的峰值上下文不随视频时长增长。社区视频帖子搜索可先用转写文本召回片段，再读原始音视频验证细节；应分别评估定位召回、音频非语言信号和总延迟。论文以长音视频问答为主，适合作为多模态召回参考，不能直接用于纯文本相关性结论。
TAGGRAPH 用统一的 5W 对话记忆比较局部图遍历、带时间边的 PageRank 扩散及 BM25，以区分表示和检索方法的影响。LongMemEval-S 上最强图配置 MRR 为 0.844，BM25 为 0.867，原始输入上的 OpenClaw 为 0.880；另一组记忆测试呈现不同排序。
INSIGHT图结构的增益依赖数据组织和访问方式，复杂索引并不自动胜过词法检索。社区问答或对话历史检索可以在相同抽取文本上比较 BM25、语义匹配和图邻域扩展，避免把抽取质量误认成召回算法优势。OpenClaw 的输入不同，应作为外部参考，不能当作严格控制的基线。
OntologyBench 构建概念、关系和组合表型三级检索任务，含 471,854 条训练相关性对和 125,744 条评测对。实验发现嵌入模型对关系与组合约束较弱，基于本体监督微调可改善部分任务，而被测重排与 LLM 候选评分几乎未带来端到端收益；公开摘要未给出统一提升幅度。
INSIGHT语义相似度可能只匹配查询的一部分约束，增加重排器也未必能补回遗漏条件。社区搜索可借鉴组合约束评测，将“地点、对象、时间、排除条件”逐项核对，区分词义匹配和完整意图满足。此证据来自生物医学本体任务，业务迁移需自建标注，不能直接预测 UGC 排序收益。
BioASQ 2026 汇总第十四届生物医学语义索引和问答评测，覆盖语义问答、持续主题问答、多语言临床摘要、实体关系与临床编码等六项任务。87 个不同团队提交超过 1,000 次运行，为比较语义索引和检索链路提供评测材料；该概览不是单一模型的增益报告。
INSIGHT领域检索评测应把索引、证据检索和答案质量分开，避免仅用回答分数判断召回是否有效。社区搜索可以借鉴共享任务的固定语料、标准化测试和分任务审计设计，建立相关性、长尾意图与无答案查询集合。医学任务与 UGC 的词汇和标注规则差异较大，迁移价值主要在评测流程。