- 1. Training Dense Retrievers with Multiple Positive Passages
工作系统比较多正例 dense retriever 的 JointLH、SumMargLH 与 LSEPair 三类目标，并统一到对比学习框架。它在 Natural Questions、MS MARCO、BEIR 及人工/LLM 混合标注两种设置上验证：LSEPair 整体更稳健，另外随机抽取一个正例的 Rand1LH 也是可靠基线；JointLH 与 SumMargLH 对正例质量更敏感。
出现于日报：08-13
- 2. When Do Anchor-Based Pointwise LLM Rerankers Help? Retriever Quality, Statistical Scope, and Anchor Design
论文复现 anchor-based pointwise LLM 重排，首次仅按论文文字实现时 nDCG@10 只有 0.24，而原报告为 0.66；补齐 8 个实现细节后，结果误差缩小到 1.6%。跨数据集实验发现，对 BM25 有帮助的对比分数在 E5 等强稠密召回器上收益很小，简单交错 top 句子即可替代复杂 anchor。
出现于日报：08-13
- 3. Listwise Cross-Encoder Fine-Tuning vs. Agentic Instruction Tuning for LLM Rerankers: A Systematic Study in Medical Procedure Reranking
针对患者自然语言与医保服务术语之间的词汇鸿沟，论文比较小型 cross-encoder 的 listwise 微调与 Qwen3-Reranker-4B 的 agentic 指令调优。在 2,647 个查询、708 项服务上，109M 参数的 ListNet 模型比 4B 模型 NDCG@3 高 2.6 个百分点、Spearman 高 13.3 个百分点，参数量少 37 倍，并开放代码与样例数据。
出现于日报：08-12
- 4. Post-Calibration Reliability Reranking of Relevance Decisions via Label-wise Monotone Projection
论文提出 Label-wise Monotone Reliability Projection（MRP），在保持原预测标签和类别概率的前提下，对每个标签学习单调可靠度映射，再按残余风险重排。方法在 6 个信息访问相关性数据集和多种后校准器上提升可靠性重排与 fallback utility，同时保持全覆盖准确率和 ECE；消融显示主要收益来自标签条件的残余可靠性。
出现于日报：08-13
- 5. Similarity Gates Approve Reversals: A Validity Audit of Embedding-Cosine Thresholds in Agent Systems
这项审计指出固定 embedding cosine 阈值并不等价于语义一致性：被测 drift guard 对 56 个破坏含义的变体全部漏检，甚至把‘停用研究药物’改成‘给药’的反转判为 0.9608。90 个配置阈值任务单元的 balanced accuracy 中位数仅 0.525，18 个配置任务中有 13 个 AUROC 为 0。
出现于日报：08-13
- 6. RVANNS: Mixed-Precision Indexing and Locality-Aware Graph Traversal on RISC-V
论文面向 CPU 上向量搬运、低精度解码和 HNSW 随机访存造成的 ANNS 瓶颈，提出混合精度多层索引 MPMI 与局部性感知遍历 ROrder，并把重构与距离累加融合。集成 Milvus 后，在真实 128/256 位 RVV 处理器上分别获得 3.39 倍和 4.94 倍加速，Cohere10M 上相对 GPU 基线的 QPS/W 提升 1.82–2.27 倍。
出现于日报：08-12
- 7. PROBES: Performance and relevance observation for better search
PROBES 面向电商、社交和企业搜索，提出由大模型驱动的端到端语义搜索评估系统。它结合 query 类别、特征级意图和类别感知特征重要性，把结果标成 exact、substitute、complement、irrelevant，并进一步区分精度错误与 missed recall。在 100 个商品类目上，Actionable Error Rate 达到 76%，可直接定位召回选择或排序环节的问题。
出现于日报：08-11
- 8. Difficulty-Gated Fusion of Reasoning Views for Temporal Retrieval
针对时间推理检索中不同 query 改写质量不均的问题，论文从每个视图的熵、分数间隔和离散度提取 8 维签名，用约 1,000 个参数的 gate 按查询动态融合排名。方法无需推理时相关性标签、重排或 retriever 微调，在 Tempo 上覆盖 6 个 retriever，最强模型达到 0.297/0.303 nDCG@10，较原查询的增益显著（p<0.001）。
出现于日报：08-12
- 9. Persona Conditioning as an Assessor-Sensitivity Probe for LLM-Based IR Evaluation
论文把 persona conditioning 作为 LLM 相关性评估的敏感性探针，设置意图解释、领域专家、对比判断、证据核验和全局搜索质量 5 类角色。跨 6 个 LLM、TREC DL20 与 RAG24 的结果显示，判断通常接近 UMBRELA 基线，但小模型更易放大 persona 不稳定性，敏感性集中在神经重排和 RAG 管线。
出现于日报：08-13
- 10. Reasoning-enhanced Query Understanding through Decomposition and Interpretation
ReDI 将复杂 query 理解拆为三步：按意图分解子查询，为每个子查询生成面向 sparse 或 dense 检索的语义解释，再独立召回并融合排序。论文使用商业搜索引擎的复杂 query 数据，并在 BRIGHT、BEIR 上同时验证 sparse/dense retriever；公开材料报告 BRIGHT sparse 平均 nDCG@10 为 30.8%，BEIR 为 44.9%。
出现于日报：08-13