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 9 篇，入选 9 篇，分数 3.40 – 4.40
研究检索多样性何时有益，以候选冗余与查询所需证据数量决定是否启用去重排序。HotpotQA 干净候选池中，固定 MMR 的 Recall@5 为55.6，而近邻检索为74.8；自适应 RNG-Score 达75.1，说明无条件增加多样性会牺牲相关性。
论文固定 UMBRELA 与 EXAM 提示，比较 Gemini、GPT、Qwen、Llama 的版本变化对相关性打标的影响。新版模型并不稳定保留旧版正确判断；Gemini Flash 在 UMBRELA 下31.3%的退化错误来自过度强调局部方面，另有6.4%来自表面关键词匹配。
INSIGHT社区搜索使用 LLM 产生训练标签或离线评估时，应把模型版本视为评估配置的一部分，并维护固定人工标注集。升级前逐条分析正确变错误的样本，区分整体准确率与标签稳定性；同时验证提示与模型是否匹配，避免标签漂移让 nDCG 改善失去可比性。
论文以安慰剂对照拆分文档结构对稠密检索的作用，比较结构分块、上下文补充、标题路径及两阶段检索。在951个维基查询和4303个 QASPER 问题上，真实结构相对上下文化窗口提升 cov-nDCG@10 0.022/0.012，而朴素层级检索下降0.033/0.015。
INSIGHTUGC 帖子可把标题、正文与问答层级作为真实语义信息注入召回，但需加入打乱标题的对照，排除仅增加文本导致的表征扰动。层级检索的第一阶段漏召回会限制后续排序，先监控候选覆盖，再决定是否采用两阶段结构索引；论文收益较小，不能直接外推线上 CTR。
Jina AI研究视觉文档检索教师信号的投入位置，固定学生和训练设置，比较难负样本判别、分数蒸馏、描述对齐与注意力引导。ViDoRe v2 的 nDCG@5 从55.2分别升至62.6和63.0，描述对齐为57.8，注意力引导为55.1；候选侧监督更有效。
INSIGHT短文本召回同样可能把未标注的相关内容误当负例，可借鉴教师过滤难负样本的设计。应先审计负例是否实际满足查询，再增加训练难度，并使用相同候选数量与训练计算的对照；视觉检索结论迁移到 UGC 需要重新验证，不能把跨模态实验数值当作文本收益。
论文从理想扩展查询与相关/不相关文档得分可分性解释查询扩展效果，使用 Cohen's d 衡量分离程度。实验覆盖 TREC Robust、TREC DL 2019—2022 段落和2019—2020文档集合；扩展更接近理想查询时效果通常更好，原文摘要未给出统一提升幅度。
INSIGHT对社区短查询，不应统一套用一种扩展方案，而应比较扩展后相关文档与非相关文档的分数分离程度。理想查询依赖已知相关性，主要适合作为离线诊断工具；可据此构建查询分桶与改写失败分析，但上线决策仍需无标签代理信号和 nDCG/CTR 验证。
Madeleine 将长期对话中的联想记忆建模为可学习相关性，利用模拟生活生成线索—记忆对，只修改查询编码器，在冻结相似度上学习残差。LoCoMo-Plus 接入 HyperMem 达66.6，独立使用为52.4，对照52.9，同时不调用 LLM，回答上下文约为对照的1/21。
INSIGHT社区查询常省略历史语境，可探索在查询侧学习联想残差，让供给索引保持稳定，减少每次检索调用 LLM 的成本。先在会话化搜索中验证对隐含需求的召回收益，并单独检查普通查询是否退化；模拟生活数据与真实用户行为仍有差异，不能直接替代社区点击训练。
Zhejiang UniversityShanghai Innovation Institute针对 EDA 文档中功能证据散落的问题，将参数、代码与说明组织为超边功能单元，训练查询—单元编码器并融合片段召回。EDADocEval-QA 的 ROUGE-L 从0.345升至0.473；ORD-MMBench 的 Recall@5 为0.917，对照 MM-GRADE 为0.896。
INSIGHT社区问答中跨段落的操作步骤和条件也可按任务组织为证据单元，保持到原文的映射，再统一重排。论文最大的消融收益来自证据组织而非编码器微调；适合知识型长帖子的小规模试验，短评论应保留直接召回，避免结构抽取成本超过其收益。
研究多向量视觉文档索引是否泄露原始内容，将反演表述为以索引向量为条件的文档图像生成。在 ViDoRe v3 上恢复47%的词和45%的敏感 token，反演页面用作查询时98.4%把原页排第一；说明不可读的向量仍可能包含可恢复信息。
INSIGHT社区图片帖或截图搜索使用逐 patch 向量时，应把索引视为敏感数据，尤其在外部托管场景。可把池化或乱序保护与检索质量共同评估，明确攻击者对编码器和页面布局的访问假设；该论文是召回索引的风险分析，不提供提升相关性的模型。
CiscoCisco 提出客户意图提取后的八阶段处理架构，包括规范化、向量化、自适应聚类、关键词解释、孤立点处理与约束聚合。以双塔召回和交叉编码器重排连接意图与业务结果；论文给出工程流程，但未提供可直接引用的检索提升或线上 A/B 数值，因此证据评分较低。
INSIGHT社区搜索可借鉴对口语化短文本先规范化再聚类的流程，保留原始文本、来源与模型版本，避免聚合引入未经支持的新意图。孤立点重分配需要语义与关键词双重一致，便于防止长尾诉求被合并；应先建立带人工标签的相关性评估集，再决定是否用此流程扩充召回。