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 54 篇，入选 10 篇，分数 3.65 – 4.30
UC Irvine / 
Thomson Reuters / 
University of Guelph混合检索不必为每条查询猜一个精确权重。作者发现，多个稀疏与稠密召回配比可以产生同样好的结果，并比较轻量预测器与大模型的延迟。在经过多重检验校正后，128 组动态融合配置中有 74 组显著优于标准融合。
排对两篇近似文章，不代表好文章排到了前面。作者固定混合召回池，分别检查否定语义偏好与完整列表中的位置。量化大模型只重排前段候选并沿用融合结果处理同分时，正确文章的平均倒数排名达到 0.7509。
INSIGHT成对准确率和列表质量需要分开看。一个模型可以更常分清否定句，却把正确文档整体压到后面；固定候选池同时测量两类指标，能暴露训练目标与服务目标的错位。
KAIST
University of Tübingen
NAVER跨领域找思路时，词面相似不一定有用。作者用跨主题引用构建训练对，让检索器学习哪些不同领域的方法可以迁移。在跨学科评测集上，普通对比微调把 Recall@10 从最佳原始检索器的 0.26 提升到最高 0.70。
INSIGHT相关性的标注标准会决定向量学到什么。若希望找出解决相似问题的内容，训练正例需要体现可迁移关系；只用同主题文档训练，可能会削弱这类检索能力。
City University of Macau找得到答案却排不到前面时，扩大召回未必划算。作者先用向量检索挖难负例，再用重排器自身挑出的混淆项继续训练。在脱敏重构的内部查询离线评估中，新模型在非平局比较里的偏好率为 72.4%。
INSIGHT先测候选池里是否已有正确证据，再决定优化哪一层。两阶段难负例训练能改善重排；继续叠加动态采样并非总能获益。这里的内部偏好评估属于离线结果。
University of Surrey
UCL两道问卷题目用词接近，测量的概念却可能不同。作者先提取题目背后的社会学概念，再把概念加入检索表征，帮助模型判断真正的对应关系。在问卷对齐实验中，MAP 与召回率均比基线高约 2—3 点。
INSIGHT先明确比较的是哪个概念，再做语义匹配，有助于减少表面相似的误召回。用通用领域词表训练概念抽取器，也能在任务标注较少时提供可迁移的监督信号。
University of Innsbruck用户改口后，旧条件不应继续左右搜索。作者把对话写成可修改的主题记忆，记录新增、废弃和恢复，再用当前有效信息组织检索。在冻结检索器的比较中，平均 MRR@10 达到 0.701。
INSIGHT对话记忆需要保存状态变化，而不只是累积事实。把废弃与删除分开，既能避免旧意图干扰，也能在用户返回话题时恢复上下文；作者的代码和训练写入器仍待正式发布。
法律条款切断后，检索器可能找不到完整依据。作者沿条款边界分块，补齐交叉引用，再融合关键词与语义召回。在独立标注的法律检索基准上，字符级 Recall@8 为 48.18%，高于最强已测基线。
INSIGHT分块边界本身决定了系统有没有机会找回证据。对条款层级明确的长文，保留结构比单纯换向量模型更直接；这一结论最适合引用关系丰富的文档集合。
复杂查询包含多种要求，一个总分容易掩盖缺失证据。作者先拆出意图因素，让多个评审分别找依据，再结合跨查询记忆汇总判断。在多模态推理检索评测中，文本到文本的 nDCG@10 达到 41.5。
INSIGHT把重排判断拆成可检查的证据矩阵，可以看出候选到底满足了哪些条件。记忆还会改变后续因素优先级；这种多轮评审的调用成本，需要与普通重排链路一并计算。
McGill
Ohio University
University of Manitoba换上新排序前，可以用少量比较检查最坏损失。作者把已有成对判断转成约束，同时考虑排序得分与理想排序归一化项。在固定比较轨迹下，精确验证平均每条开发查询少用 2.34 次比较。
INSIGHT排序风险的分母也受相关性判断影响。只计算曝光损失可能继续花钱购买已有证据足以替代的比较；风险证书给出的是约束下的最坏情况，而非平均线上收益。
社交帖子引用研究却不附论文链接，需要跨语言找回来源。作者先用元数据增强的向量模型召回，再让交叉编码器联合阅读帖子与候选论文进行重排。最终系统在三种语言上的平均 MRR@5 为 0.5862。
INSIGHT标题之外的元数据可以补足短帖缺少的上下文。把元数据配置、召回深度和语言配比分开比较，能定位收益来自哪里，也适合社区内容追溯到原始材料的场景。
已录用 EMNLP 2026