- 1. RAGFlip: Measuring Query-Level Negative Flips in Retriever Upgrades
论文检查检索器升级后被总体均值掩盖的查询退化，在三个 BEIR 集合上比较 BGE、E5 与 SPLADE。即使总体覆盖率提高，k=1 时仍丢失 BM25 原本成功查询的 8.6%–37.5%；固定预算融合 BM25 可减少这种负向翻转。
出现于日报：10-08
- 2. Finding the Right Balance: Relevance and Diversity in LLM Retrieval
研究检索多样性何时有益，以候选冗余与查询所需证据数量决定是否启用去重排序。HotpotQA 干净候选池中，固定 MMR 的 Recall@5 为55.6，而近邻检索为74.8；自适应 RNG-Score 达75.1，说明无条件增加多样性会牺牲相关性。
出现于日报：10-09
- 3. Learning to Retrieve via Reinforcement Learning in Embedding Space
RELER 在单位球面的向量空间采样，通过检索奖励和 RLOO 更新编码器，并用条件均值投影降低梯度噪声。BRIGHT 原始查询上，BGE-M3 的 nDCG@10 从 InfoNCE 的 12.63 升至 14.49；Qwen3-Embedding-0.6B 从 22.64 升至 23.38。
出现于日报：10-08
- 4. Adaptive Sparsity Optimization with Learnable Soft Top-K and Per-Term Thresholding for Efficient Retrieval
针对大词表稀疏检索的词项膨胀问题，AdaSparse联合可学习软Top-K、逐词阈值与FLOPs正则化，兼顾向量长度与相关性。在MS MARCO和BEIR上，1B模型的查询、文档长度分别降至原来的31%和26.6%，BEIR效果仅下降0.74%，适合控制社区短文本召回的倒排索引成本。
出现于日报：10-06
- 5. SEEK: Skill-Routed Evaluation with Evolvable Knowledge for Industrial Search
SEEK 针对搜索整页评测规则多变、统一提示容易互相干扰的问题，将规则拆为技能库，由路由器选择相关规则，再用列表级模型判断结果质量与失败原因。在快手短视频搜索评测中，Qwen3-8B 的三分类 Macro-F1 达到 0.6555，高于 SFT+GRPO 的 0.6418；系统已进入生产评测链路。
出现于日报：10-05
- 6. QReason: Query-Focused Decoupled Chain-of-Thought for Efficient Passage Reranking · 📖 深度解读
针对滑窗重排反复生成查询推理的问题，QReason先生成一次排序导向推理查询，再交由非推理重排器跨窗口复用。监督训练以相关段落为依据，强化学习结合列表与逐段奖励。BRIGHT平均nDCG@10达到36.93，高于ReasonRank的36.45；六子集端到端评测加速7.86倍。
出现于日报：10-07
- 7. Does Document Structure Help Dense Retrieval? A Placebo-Controlled Ablation of Four Mechanisms Across Two Corpora
论文以安慰剂对照拆分文档结构对稠密检索的作用，比较结构分块、上下文补充、标题路径及两阶段检索。在951个维基查询和4303个 QASPER 问题上，真实结构相对上下文化窗口提升 cov-nDCG@10 0.022/0.012，而朴素层级检索下降0.033/0.015。
出现于日报：10-09
- 8. The Impact of Backbone Evolution on LLM-Based Relevance Assessments
论文固定 UMBRELA 与 EXAM 提示，比较 Gemini、GPT、Qwen、Llama 的版本变化对相关性打标的影响。新版模型并不稳定保留旧版正确判断；Gemini Flash 在 UMBRELA 下31.3%的退化错误来自过度强调局部方面，另有6.4%来自表面关键词匹配。
出现于日报：10-09
- 9. What Transfers from a VLM Teacher? Comparing Supervision Signals for Visual Document Retrieval
研究视觉文档检索教师信号的投入位置，固定学生和训练设置，比较难负样本判别、分数蒸馏、描述对齐与注意力引导。ViDoRe v2 的 nDCG@5 从55.2分别升至62.6和63.0，描述对齐为57.8，注意力引导为55.1；候选侧监督更有效。
出现于日报：10-09
- 10. On-Policy Distillation Meets Off-Policy GRPO: Training Compact Instruction-Following Rerankers
研究用离策略 GRPO 强化 4B 教师，再让 1B 学生从自己的策略采样排序并接受教师软奖励，解决固定教师排序限制学生探索的问题。教师训练使用 8.8 万条指令样本；学生在 MAIR-11 上 nDCG@6 达到 0.7670，比离线列表蒸馏高 4.6 个点，在 MAIR-Full 上达到 0.6808。
出现于日报：10-05