RAG / 检索增强生成

EGA: Adapting Frozen Encoders for Vector Search with Bounded Out-of-Distribution Degradation

EGA：基于冻结编码器的向量搜索适应方法，具有受限制的分布外退化

Dongfang Zhao

机构 * Tacoma School of Engineering and Technology University of Washington（塔科马工程与技术学院华盛顿大学） 纠错

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.AI

AI总结 本文提出EGA方法，通过零初始化、局部三元组损失和超球面投影，解决冻结编码器在部署时面对未见类查询的问题，提升分布外场景下的标签精度。

Comments added ack and github link

FAVOR: Efficient Filter-Agnostic Vector ANNS Based on Selectivity-Aware Exclusion Distances

FAVOR: 基于选择性感知排除距离的高效滤波无关向量近似最近邻搜索

Junjie Song, Yu Liu, Guoyu Hu, Zhongle Xie, Ming Yang, Beng Chin Ooi, Ke Zhou

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.IR

AI总结 FAVOR通过整合选择性估计与过滤ANNS执行，提出支持任意过滤条件的高效滤波无关向量ANNS，提升搜索效率并保持稳定性，实验显示其在Recall@10=95%时QPS比现有方法高1.3-5倍。

When Does Embedding Magnitude Matter? A Cross-Task Functional-Symmetry Framework

嵌入量何时重要？一种跨任务功能对称框架

Xincan Feng, Taro Watanabe

机构 * Nara Institute of Science and Technology（奈良科学技术研究所） 纠错

专题命中 向量检索 ：RAG(abstract,abstract_cn)；分类 cs.IR

AI总结 本文提出一种2x2框架，独立控制查询和文档侧归一化，发现QNorm和DNorm在跨任务中优于余弦和点积，揭示文档量影响推理分数，查询量调节训练梯度，Fisher信息矩阵条件数预测归一化侧。

Comments Preliminary work. Under review