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。 本期覆盖提醒：来源多样性缺口：arXiv 9/10（90%），超过 70%；去重后仅有 1 篇适合本轨的网页补充，未用无关 HF/博客凑数。未入选中文原始文章。 — 评分 201 篇，入选 10 篇，分数 3.55 – 4.50
TencentWeFair 面向短视频搜索的个性化查询改写，按监督学习、消费偏好对齐和真实改写验证逐步训练模型，限制用户行为奖励带来的意图漂移。微信线上实验显示，有效点击查询率相对增加 1.576%，查询重写率相对下降 1.731%；这些是相对变化，不能解释为百分点。
Alibaba论文研究 Qwen3-0.6B 在 MS MARCO 的召回与重排，重点采用语料预训练、难负例、训练推理对齐和模型权重合并。初始重排模型 MRR@10 为 0.3289，仅使用 10 万查询微调即可达到 0.3817；作者还发现标题拼接会影响基准可比性，因此复现了公开检查点。
INSIGHT对于社区帖子重排，应先检查标题、正文和负例构造是否一致，再增加模型规模。权重合并可维持单模型推理成本，但需单独验证不同检查点是否兼容；这里的离线增益来自 MS MARCO，迁移到中文 UGC 后仍要按长尾词、口语表达和时间敏感查询分桶测试。
eBay
TooplooxeBay 团队把查询与商品相关性判定拆成小规模人工校准、教师批量标注和轻量多模态学生蒸馏。GPT-4.1 教师在人标基准上的多分类准确率约为 83.7%，再用其标签与解释训练学生；正文比较了多种学生及效率权衡，不能据此假定线上搜索 CTR 已获得提升。
INSIGHT社区帖子包含图片和短正文，可借鉴先用少量人工样本验证教师，再扩展标注的流程。教师一致性和标签口径比直接批量生成更重要，建议保留独立人标集，分别审查图文冲突与标题误导样本；相关性分类准确率也需要进一步连接到 nDCG 和真实点击体验。
Microsoft该文在冻结编码器和压缩器的情况下，蒸馏未压缩模型的评分分布，学习全局线性校正，以恢复多向量压缩后的检索质量。在 BEIR 域内实验的 160 种设置中，154 种优于原压缩基线；MS MARCO 上压到每文档 4 个向量时，ColBERTv2 的相对召回增益最高约 22%。
INSIGHT多向量召回用于社区短文本时，可先量化压缩引起的相关性损失，再用小型线性映射修复评分几何。该方法避免重训编码器，但跨域迁移并非稳定有效，尤其不能把域内的 154/160 直接当成线上成功率；应在自有查询和固定存储预算下比较召回质量。
论文对比五种会话查询生成配置，忠实解析只补齐指代，再将其与学习型改写和原始话语做加权排名融合。离线融合将 Recall@1000 从 0.448 提高到 0.519，nDCG@10 却从 0.231 降到 0.228；官方提交的 nDCG@5 为 0.534，比最强替代配置高 5.3%。
INSIGHT社区会话搜索可保留原查询和最小改写作为独立召回通道，并通过融合权重控制扩展强度。此结果提醒我们召回提升与首屏质量、对话满意度可能分离，应分别评价指代消解是否正确、扩展是否引入未表达的需求，以及额外召回能否在重排阶段留下真正相关内容。
Scale AICoverSynth 从语料依赖结构出发生成具有覆盖目标和可定位证据的检索评测集，并加入无法回答与含糊请求。RepLiQA 上，人类查询中 91% 能被 12 个被测系统全部回答，生成查询仅为 12%；重复实验里，生成集识别出 12/12 个模型对比，人类集为 4/12，显示更强区分能力。
INSIGHT社区检索评测可以先覆盖主题、证据跨度、查询歧义和无答案情形，再追求数据量。生成问题需要可回溯的原文证据与独立语义校验，避免合成集只制造难题却偏离真实流量；建议与线上采样的人标集合并观察，而不是用更难的合成集合替换全部业务评价。
USTCSYNTRA 通过任务定义迭代、标识与属性构建、查询生成和相关性标注，把未标注语料转成嵌入训练数据。作者用 Qwen3-30B-A3B 生成数据并以 Qwen3-0.6B 做任务适配；人工核验覆盖 150 对查询文档、7 位标注者，报告二分类一致率的 95% 区间为 86.7%–95.3%。
INSIGHT当社区搜索缺乏长尾相关性样本时，可以复用其任务级生成与自校准流程，但应优先验证伪标签可靠性。需要把生成、训练与评测语料分开，并与相同训练预算的人类查询基线比较；论文的生成阶段使用多张 GPU，采用前还应核算每条有效样本的实际成本。
PCDR 针对会话用户画像随时间积累噪声的问题，把画像去噪交给下游稠密检索训练，而非先独立挑选画像短语。通过查询重写蒸馏、分级相关性训练和全局负例等设计，在 1.16 亿段落索引上评估，完整画像配置的留出集 nDCG@3 从 29.0 提升至 33.1。
INSIGHT对社区搜索而言，用户长期兴趣应该作为有约束的辅助信号，不能覆盖当前查询。可先比较完整画像、过滤画像和无画像三个版本，再检查召回训练是否真正抑制无关兴趣；论文留出评估仅 44 轮，收益幅度仍需更大规模的独立验证，尤其要避免浅候选池调参误导。
研究比较五种离线图结构嵌入变换，并在在线阶段保留原向量语义、用变换向量引导多阶段召回。合成职业关系基准上，最佳配置对复杂关联问题的证据恢复相对增益最高为 25.9%，同时可用少 40% 的返回节点匹配原召回水平；直接替换原向量反而降低恢复率。
INSIGHT如果社区内容已有实体或话题关系，可尝试离线吸收结构信号，再以原始语义向量承担相关性约束。该工作更支持双通道或分阶段召回，而不是把图变换后向量无条件写回主索引；由于证据来自合成关系数据，需先在真实帖子关联和噪声实体上验证收益是否保留。
该文比较多租户共享压缩索引中，查询经过适配后应在哪个空间重排。覆盖 23 组 LoRA 租户数据、4 种适配器和 4 类索引，原索引空间重排更稳定，部分设置的 nDCG@10 优势超过 10 个百分点；粗量化索引上还可混合两个空间的距离，补充不同信号。
INSIGHT社区搜索若按垂类微调查询编码器却共享文档索引，可先验证重排距离所在空间。优先保留共享索引，并在原空间建立简单基线；该结论针对嵌入适配和压缩组合，不能直接推广到所有多租户系统，是否混合距离还需结合延迟预算与适配器质量确定。
已录用 SIGIR 2026 Workshop
已录用 RecSys 2026