- 1. The Magnitude Mirage: Rethinking Confidence for Reasoning-Intensive Retrieval
论文研究推理型查询中最高相似度不能可靠代表召回成功的问题，用分数间隔和分布指标替换绝对分数阈值。在 BRIGHT 的选择性回答评测中，10% 覆盖率下 Gap@25 的准确率为 74.1%，最高分阈值为 65.8%；摘要报告拒答 AUROC 最多提高 0.16。
出现于日报：09-16
- 2. How Calibration Content Shapes Attention-Based Reranking · 📖 深度解读
注意力重排通常用空查询分数扣除位置偏差，但含详细指令的空查询也携带相关性信号，直接相减会损伤排序。论文提出在含指令与无指令的空查询之间插值，无需训练即可修复这一问题；Gemma-3-4B 在 InstructIR 的 nDCG@10 从标准校准的 0.275 升至 0.825，适合检查社区搜索复杂需求的重排链路。
出现于日报：09-18
- 3. A Historical Corpus Is Not a Historical System: Auditing Hindsight Leakage in Stateful Data Discovery
论文研究有状态检索的离线评估泄漏：即使固定历史语料，未来交互记忆仍可能虚增召回。作者用成对回放隔离记忆时间边界，在三类表格文本领域、两个检索器及五个种子的实验中，发现未来记忆使 Recall@100 虚高 2.62—5.24 个点，全部 12 组成对区间均排除零。
出现于日报：09-15
- 4. Mixture-of-Experts Language Models Can Be Strong and Efficient Retrievers
论文统一训练流程比较稠密与混合专家检索器，研究增加模型容量能否避免同步增加查询编码开销。在相近激活参数下，MoE 在 BEIR 上最多提升 3.0 个 nDCG@10 点；Qwen3-MoE 匹配 8B 稠密模型效果时，激活参数减少 59%，查询编码时间降低 18%。
出现于日报：09-16
- 5. Top-K Is Not a Budget for Hybrid Retrieval
DiBud 直接用列表访问次数限制混合检索融合开销，逐步认证完整 RRF 排名的精确前缀。在五组查询上，2048 次访问预算下，前 100 位内的平均已认证结果比均衡访问多 7.86%；校准后保留 95.05%—97.68% 的平均 nDCG@20，访问次数减少 65.92%—99.53%。
出现于日报：09-16
- 6. EviQE: Evidence Selection for LLM-Based Query Expansion
EviQE 把查询扩展拆成多路候选汇聚、证据筛选和单轮生成，重点优化大模型读哪些文档。三组 TREC DL 的平均 nDCG@10 从最佳单源的 0.5571 升至 0.5760，五组 BEIR 从 0.5419 升至 0.5513；继续增加检索生成轮次通常没有额外收益。
出现于日报：09-16
- 7. Route Me If You Can: A Benchmark for Query Reformulation Selection
QueryRoute 固定查询改写及检索产物，提供 3,757 条查询、11 个候选系统、5 个改写模型和 3 个检索器，共 619,905 个结果。在 BM25 的 TREC DL 测试中，LLM 判别选择器 nDCG@10 为 0.588，高于最佳固定改写的 0.559，但仍低于预知最优选择的 0.666。
出现于日报：09-16
- 8. RegRet: Enhancing Region-Level Retrieval in Large Multimodal Models · 📖 深度解读
论文针对图像检索容易被背景主导、直接裁剪又丢失语境的问题，增加逐层读取全图特征的区域编码器，并采用独立投影与三阶段训练。小红书与浙大构建22.5万对REGMB数据，RegRet-8B的综合检索分为86.2，零样本版本为78.8；区域训练同时保留全图检索能力。
出现于日报：09-17
- 9. Beyond Benchmark Scores: How Synthetic and Authentic Query Distributions Diverge in RAG Evaluation
研究对比大学信息系统的 1,851 条合成问题与 322 条真实查询，发现真实查询平均仅 6.8 词，合成问题为 15.7 词。在有标注的真实子集上，Qdrant 混合检索 Hit@5 从合成集的 0.896 降至 0.527；其单查询延迟为 2.70 秒，高于最快配置的 0.33 秒。
出现于日报：09-16
- 10. Pre-retrieval Query Clustering for Adaptive Top-k Document Retrieval in RAG Systems
论文针对固定召回数量无法兼顾简单与复杂查询的问题，离线从 nDCG 随召回深度变化的曲线估计饱和点，再按查询向量聚类配置各簇的召回深度。EvenUp 场景的全流量查询测试报告 F1 提升超过 36%，低复杂度簇的 token 消耗减少 14% 且准确率不降。
出现于日报：09-16