- 1. Semantically Rich, Metrically Affect-Blind: A Geometric Blind Spot in Modern Text Embedders · 📖 深度解读
用向量检索去找用户对某个产品的不满，召回的评论往往话题都对，好评差评却混在一起。这篇论文把原因量清楚了：11 个文本向量模型里都藏着情感信息，用一个简单的线性分类器就能读出来；但检索真正用的余弦相似度几乎不看情感。在冻结的向量模型上加一个小投影头，用 CPU 训练几秒就能修好。它用几千条带情感标签的句子做对比学习，同一情感的句子拉近、不同的推远…
出现于日报：10-26
- 2. LightRetriever: A LLM-based Text Retrieval Architecture with Extremely Faster Query Inference · 📖 深度解读
用大模型做文本检索，文档可以提前离线编码，查询却要实时编码，每来一个查询都要跑一遍大模型，吞吐低、部署贵。LightRetriever 让两边不再对称：文档仍用完整的大模型编码，查询端只剩查表。训练时把一段共享提示词接上单个词送进大模型，得到这个词的向量，查询向量取各个词向量的平均。词表里每个词的向量都能提前算好存成一张表，上线后查询只需查表再求平均…
出现于日报：10-27
- 3. System One models Are Not Better Rerankers · 📖 深度解读
拿新出的决策模型给检索结果重新排序，并不比专门微调的重排序模型好，这是帕绍大学这篇论文的结论。决策模型也叫 System One 模型，对一个问题直接给出校准过的“是”的概率，不生成文字，刚发布几周就被拿去做重排序。论文用同一个底座比较两种微调：决策微调用各类是非题训练模型给出准确的概率，重排序微调则只用 MS MARCO 的查询和段落训练模型判断段落是否相关…
出现于日报：10-27
- 4. EmbeddingGemma 2: Unified and Efficient Multimodal Representations · 📖 深度解读
想让一个 embedding 模型同时搜文字、图片、视频和音频，常见做法是先把音频转成文字、给图片配说明，再交给文本模型，既多花算力，又丢掉了语气和画面细节。Google 的 EmbeddingGemma 2 用一个 744M 参数的模型，把这几种输入直接映射到同一个向量空间，各模态编码器还能按需加载。用语音提问去找文本段落最能说明差别：同一个模型先把语音转写成文字再检索，MRR@10 是 57.59，直接读音频能到 69.54…
出现于日报：10-29
- 5. PersonalQuery-Benchmark:Evaluating Retrieval Robustness to Personalized User Expression Differences · 📖 深度解读
两个用户想买同一件商品，一个写“我要草莓味、无乳糖的希腊酸奶”，另一个写“我在找一款希腊酸奶，它是草莓味的，而且无乳糖”，还顺手把一个词拼错了，搜索结果会一样吗？这篇论文用亚马逊三个品类的真实用户评论做了一个基准 PQB，专门测同一需求换种说法后结果稳不稳。核心商品词完全相同、只改句子结构时，在至少有一条查询把目标商品排第一的查询对里，有约 27% 到 52% 的情况另一条没排进第一…
出现于日报：10-26
- 6. What the Query Remembers: Query Abstraction Governs Lexical and Dense Retrieval of Classical Arabic Poetry · 📖 深度解读
在古典阿拉伯诗歌库里找诗，关键词检索 BM25 和向量模型谁更好？这篇论文发现，答案主要取决于用户还记得多少原文。用户半记得几句原话时，BM25 比 9 个向量模型都好；用户只能描述诗讲了什么时，BM25 掉到 10 个系统里的第 8 名。作者通过改写同一批查询证明，排名主要由查询里有没有原文决定：给查询补上半句原诗，BM25 的召回率涨 37.8 个点。
出现于日报：10-26
- 7. Closing the Modality Gap via Simplex-Constrained Representations · 📖 深度解读
CLIP 这类图文或音文对比学习模型，两种模态的向量虽然对齐训练过，却常常整体错开、各占一片区域，这叫模态鸿沟。这篇论文不改主干模型，只改向量所在的空间：把通常的单位球面换成概率单纯形，也就是每一维都不能为负、所有维加起来等于 1。实现上只在输出端接一个很轻的 softmax 适配器，相似度改用两个分布的总变差距离来算。两种模态被迫落在同一套坐标里，彼此的偏移基本消失…
出现于日报：10-27
- 8. ACARE: Agent-Context-Aware Reranker for Iterative Search · 📖 深度解读
搜索 agent 发出的子查询常常只有几个关键词，只看子查询的 reranker 会把字面相似、对原问题没用的文档排到前面。ACARe 把原问题和 agent 的推理过程一起交给 reranker 判断。关键对照是：不改 Qwen3-Reranker-4B 的参数，只在输入里加上原问题，小 agent 的答题准确率就从 48.2% 升到 54.8%，专门微调后到 57.6%…
出现于日报：10-28
- 9. CA-HNM: Constraint-Aware Hard Negative Mining for Dense Retrieval with Structured Domain Models · 📖 深度解读
训练稠密检索时，难负例一般取检索排在前面、但没被标成正例的文档，可排得靠前只说明它和 query 像，说明不了它为什么不该被召回。CA-HNM 借助课程知识图谱查每个候选错在哪：讲的知识点不对、范围偏了或难度级别对不上，只把这类冲突明确的候选留作负例。和同样检索位置取负例、但不看图谱的对照相比，它在多数设置下效果更好；可在一个数据集上把图谱关系随机打乱，NDCG@10 反而从 0.0311 升到 0.1174…
出现于日报：10-28
- 10. Retriever-Free Retrieval: Navigating Documents with Decision Models · 📖 深度解读
多数 RAG 的召回仍靠 BM25 或向量相似度，召回漏掉的证据，生成模型再强也找不回来。DecisionRAG 不用召回模型，而是让一个决策模型像人逛图书馆一样，从主题到页面再到段落逐层往下找，每层的候选放进同一个上下文一起判。在 268 万个维基百科段落上，它的 Hit@1 比 Qwen3-Embedding-8B 召回加 reranker 高 17.4 个点，每个 query 检索约 1.7 秒。
出现于日报：10-28