- 1. Scaling Search Relevance: Augmenting App Store Ranking with LLM-Generated Judgments · 📖 深度解读
针对商业搜索中行为信号丰富、文本相关性标注稀缺的问题，论文先比较不同 LLM 配置，选择专门微调的模型生成数百万条文本相关性判断，再与点击/下载标签共同训练多目标排序器。离线文本 NDCG@1 从 0.867 升至 0.868、行为 NDCG@1 从 0.646 升至 0.652；全球 App Store A/B 测试转化率显著提升 0.24%，尾部 query 收益更明显。
出现于日报：08-24
- 2. Clarify-Then-Search: A Clarification Benchmark for Deep Search with End-to-End Nugget Restoration
论文针对短 query 缺少时间、地点、范围等约束导致的检索漂移，提出 Clarify-Then-Search 基准。数据来自百度真实搜索日志，共 518 个“意图 query—欠明确 query”实例；系统让澄清器提出 1、2 或 3 个问题，再由重写器生成检索式，并用带来源标识的证据 nugget 评估端到端恢复效果。
出现于日报：08-25
- 3. Align Then Adapt: Label-Efficient Adapter Learning for Asymmetric Dense Retrieval
论文针对复杂指令式查询与静态文档表征不对称、重建全库索引成本过高的问题，提出查询侧 Efficient Retrieval Adapter。方法先用无标注文档对齐强查询编码器与轻量文档编码器，再以少量查询—文档对适配；在六领域 126 个 MAIR 任务上，对称场景 nDCG@10 最高提升 8.2 点，非对称场景提升超过 12 点。
出现于日报：08-28
- 4. EnSI-RAG: Entity-Structure-Indexed Retrieval-Augmented Generation for Long-Document Question Answering
EnSI-RAG 认为长文 RAG 的瓶颈不只是 chunk 长度，而是实体、关系和证据被切散后难以联合召回。它建立与 query 无关的实体中心索引，每条记录写成（实体、类型、语义类别、值）四元组，同时保留原文段落链接；查询时先取结构化检索句柄，再让 LLM 综合证据生成答案。
出现于日报：08-25
- 5. AdaWidth: Query-Adaptive Embedding Width for Dense Retrieval
AdaWidth 针对高维稠密向量检索的计算与存储开销，提出按查询自适应选择参与计算的 embedding 前缀宽度。它用共享的正交旋转把判别信息集中到前缀，再由轻量路由器根据当前排序的统计量决定是否扩展维度；在 6 个检索任务、5 个冻结编码器上，NDCG@10 与现有降维方法相当，同时每个查询少用 55%–84% 的维度。
出现于日报：08-27
- 6. Multi-stage Literature Retrieval System Trained by PubMed Search Logs for Biomedical Question Answering
该系统以 PubMedBERT 初始化 bi-encoder 与 cross-encoder，第一阶段融合稠密检索和 BM25，第二阶段用 cross-encoder 重排；训练数据来自约 2.55 亿个 PubMed 查询—点击文章对。BioASQ 2023 文献检索任务要求返回 Top-10 文章，系统在三个批次中取得一次第二、两次第三，验证大规模真实搜索日志对领域召回与排序的价值。
出现于日报：08-28
- 7. PEIR: Modeling Performance in Neural Information Retrieval
PEIR 针对神经检索延迟高度依赖硬件、不同模型难以公平比较的问题，引入面向 Learned Sparse Retrieval 的硬件无关性能建模框架。它为 BlockMax-MaxScore 等查询执行方式估算内存访问与浮点运算量，并证明这些代理指标对模型效率优劣的判断与实测延迟结论相近，从而减少反复占用多套硬件基准测试的成本。
出现于日报：08-28
- 8. ColBERTSaR: Sparsified ColBERT Index via Product Quantization
针对 ColBERT 多向量索引需要大量存储、查询时还要聚集和解压 token 向量的问题，论文在冻结 ColBERT 上训练产品量化码本，把每个 passage token 映射为 centroid ID，使用倒排索引召回，并可用原始 MaxSim 做二阶段重排。在 BEIR 复现实验中，索引相较 one-bit PLAID 缩小 50%–70%，同时保持检索效果；开源实现支持分片、断点续跑和 CPU 搜索。
出现于日报：08-24
- 9. RAG Deserves an Index: Why Ingest-Time Compilation Beats Query-Time Interpretation
论文把生产 RAG 中每次查询都让模型重新解释原始语料、随后丢弃中间结果的问题类比为数据库全表扫描，并提出 ingest-time semantic compilation。该方案在写入阶段增量维护 embedding 与带来源校验的 atomic claims，把语料语义编译成可查询底座，读取阶段直接利用已维护结构，减少重复推理。
出现于日报：08-25
- 10. Unleashing the Power of LLMs in Dense Retrieval with Query Likelihood Modeling
论文针对解码式 LLM 难以利用文档全局信息的问题，把经典 Query Likelihood 建模改造成密集检索的辅助训练目标。LLM-QL 由 Attention Block 和 Document Corruption 两个模块组成：前者屏蔽文档结束标记前的预测注意力，后者随机遮盖文档 token，再接对比学习训练检索器。在 MS MARCO 和 BEIR 两类数据上，模型优于其他 LLM 检索器，并通过组件分析验证了两部分设计。
出现于日报：08-26