- 1. Statistically Reliable LLM-Based Ranking Evaluation via Prediction-Powered Inference
论文针对“用 LLM 当评委(LLM-as-judge)评估搜索排序质量时、其判定误差会让 nDCG/Precision@K 等指标估计有偏”的问题，把 Prediction-Powered Inference (PPI) 扩展成 PRECISE：用少量人工标注集 + 大规模 LLM 判定集，产出无偏且方差更小的排序指标估计，且无论 LLM 评委误差分布如何都可证明无偏…
出现于日报：06-08
- 2. OneRetrieval: Unifying Multi-Branch E-commerce Retrieval with an Editable Generative Model · 📖 深度解读
工业电商搜索的召回阶段由倒排索引、向量召回等多路分支经人工调权融合，缺乏联合优化。论文提出 OneRetrieval，用单一生成式检索(GR)模型统一多路召回，核心是 Keyword-Aligned Encoding(KAE)：把生成标识符的每个位置绑定到一个可解释的属性词，从而在保持召回质量的同时保留倒排索引“小时级新增 term、无需重训”的实时可编辑性…
出现于日报：06-13
- 3. The Clustering Strikes Back: Building Cost-Effective and High-Performance ANNS at Scale with Helmsman · 📖 深度解读
大规模向量检索一直放在内存里跑 HNSW，因为 SSD 太慢。小红书的经验是，SSD 慢主要慢在图索引一步等一步的串行读：召回要上千个候选时，改用聚类索引，先在内存里选好要读的簇，再一次性把读请求全部发出去，多块高速 SSD 的带宽就能接近内存方案。线上约 40 台全闪存服务器接下了原来约 35,000 个 CPU 核的内存集群。代价也要看清：同一台机器上，它的吞吐只有内存 HNSW 的四分之一到七成…
出现于日报：06-13
- 4. When Should Queries Be Decomposed? A Stage-Aware Study of Query Decomposition for Multi-Condition Retrieval · 📖 深度解读
多条件检索要求系统找出同时满足多个约束的文档，超出单纯话题相关。query decomposition 被广泛当作直觉解法，但其在检索管线不同阶段的效果一直缺乏系统研究。本文做 stage-aware 实证，发现鲜明的阶段依赖效应：在初始检索阶段做分解常因“语义稀释”损害召回；但在 reranking 阶段做分解则显著提升效果。
出现于日报：06-09
- 5. ColBERTSaR: Sparsified ColBERT Index via Product Quantization
论文解决 ColBERT/PLAID 多向量检索“索引过重”的痛点：PLAID 类索引占用是原始文本的 5-10 倍磁盘，且 query 时对 token embedding 的 gather 与解压是主要耗时来源。作者提出一种 embedding 量化方法，把 ColBERT 索引转成真正的倒排索引(true inverted index)…
出现于日报：06-08
- 6. CoDeR: Local Constraint-Compatible Retrieval Beyond Semantic Similarity
检索系统长期把语义相似度当作相关性的代理，但对“带约束”的查询会失效——文档主题贴近 query 却支持相反的约束方向(满足了本应排除的属性、肯定了本应否定的关系)。论文称之为 constraint-violating evidence exposure，提出 CoDeR：保留标准主题编码器负责候选覆盖，另加一个双编码器实现的“兼容性打分器”，用词法极性(lexical-polarity)监督在“满足/违反”对比样本上训练…
出现于日报：06-13
- 7. RCEM: Embedder Equipped with Query Rewriting Skill for Robust Conversational Search in Distributional Shift
会话式检索中，多轮对话里的 query 高度依赖上下文。论文提出 RCEM，把 LLM 的 query 改写能力蒸馏进 embedding 模型，让稠密检索在推理时无需显式改写就能感知上下文。与以往直接学“对话→文档”匹配不同，RCEM 让“会话 query 的 embedding”对齐“改写后 query 的 embedding”，从而在分布漂移(distributional shift)下更稳健…
出现于日报：06-13
- 8. End-to-End Context Compression at Scale
针对长上下文推理中 KV cache 随长度线性膨胀、现有 KV 压缩要么大幅掉点要么压一条长 prompt 太慢的问题，提出 Latent Context Language Model (LCLM)：用 Qwen3-Embedding-0.6B 作 encoder 把长 token 序列映射成更短的 latent 向量，再交给 Qwen3-4B-Instruct decoder 消费，每个压缩比各从头预训练 350B token…
出现于日报：06-10
- 9. Uncertainty-Aware Hybrid Retrieval for Long-Document RAG
RAG 的效果高度依赖检索证据的粒度：大块保留上下文但引入无关内容、稀释关键证据；细块更紧凑却因缺乏语义/词法/桥接线索而难以稳定召回。论文提出 UMG-RAG，一个免训练的不确定性感知混合检索框架：把已有的稠密与稀疏检索器当作跨多种 chunk 粒度的互补专家，对每个 query 把各“专家×粒度”的打分列表转成证据分布、用分布熵估计可靠性，再按 query 自适应融合候选，无需训练新检索器或改动生成器。
出现于日报：06-13
- 10. Generative Reasoning Re-ranker
现有 LLM-for-rec 多集中在召回与排序，重排阶段被忽视；且 LLM 多用零样本或 SFT，未充分发挥经 RL 强化的推理能力。本文提出 Generative Reasoning Re-ranker，把重排建模为 LLM 推理生成任务，用高质量推理链 + 强化学习提升重排质量。
出现于日报：06-09