Enhancing Dense Retrievers' Robustness with Group-level Reweighting
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
AI 大模型
RAG / 检索增强生成
检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。
1. 向量检索 340 篇
Conan-embedding: General Text Embedding with More and Better Negative Samples
专题命中 向量检索 ：RAG(abstract)；分类 cs.CL
Relevance Filtering for Embedding-based Retrieval
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
Comments 8 pages, 3 figures, CIKM 2024
Attention Instruction: Amplifying Attention in the Middle via Prompting
专题命中 向量检索 ：RAG(abstract)；分类 cs.CL
GISTEmbed: Guided In-sample Selection of Training Negatives for Text Embedding Fine-tuning
专题命中 向量检索 ：retrieval augmented generation(abstract)；分类 cs.CL
Comments GISTEmbed GitHub repository at https://github.com/avsolatorio/GISTEmbed
Non-Parametric Memory Guidance for Multi-Document Summarization
专题命中 向量检索 ：retriever(abstract)；分类 cs.CL
Comments International Conference Recent Advances in Natural Language Processing (RANLP), Sep 2023, Varna, Bulgaria
Model-enhanced Vector Index
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
Unsupervised Learning of Molecular Embeddings for Enhanced Clustering and Emergent Properties for Chemical Compounds
专题命中 向量检索 ：vector search(abstract)；分类 cs.AI
On Coherence-based Predictors for Dense Query Performance Prediction
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
Augmented Embeddings for Custom Retrievals
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
Comments 14 pages
kNN-BOX: A Unified Framework for Nearest Neighbor Generation
专题命中 向量检索 ：retriever(abstract)；分类 cs.CL
Divide and Conquer: Towards Better Embedding-based Retrieval for Recommender Systems From a Multi-task Perspective
专题命中 向量检索 ：vector search(abstract)；分类 cs.IR
Comments To appear in WWW'23 (Industry Track)
Caching Historical Embeddings in Conversational Search
专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR
Reference Product Search
专题命中 向量检索 ：vector search(abstract)；分类 cs.IR
Semantic Vector Encoding and Similarity Search Using Fulltext Search Engines
专题命中 向量检索 ：vector search(abstract)；分类 cs.IR
Comments Preprint of the paper accepted to the ACL 2017 (http://acl2017.org/) workshop RepL4NLP 2017 (https://sites.google.com/site/repl4nlp2017/)
Three-Body Alignment: Aligning Chess Agent with Human Reasoning through Reranked Rationale
三体对齐：通过重新排序的理由将国际象棋智能体与人类推理对齐
专题命中 向量检索 ：dense retrieval(abstract)
AI总结 研究如何通过国际象棋中的“三体对齐”，分析人类专家、引擎辅助评论员和大语言模型产生的理由间语义差异，构建多源理由数据集，进行实证分析与实验，开发数据集结构并开源，以改善智能体与人类对齐及决策的可解释性。
FeLoG: Scalable and Efficient Distributed Graph Embedding with Feedback Loop Mechanism
FeLoG：具有反馈循环机制的可扩展高效分布式图嵌入
机构 * Huazhong University of Science and Technology（华中科技大学） ； Bowling Green State University（伯灵顿州立大学）
专题命中 向量检索 ：retrieval-augmented generation(abstract)
AI总结 提出FeLoG系统，通过反馈耦合采样与训练、活动感知通信和轮次交错流水线，实现分布式图嵌入的加速和资源高效利用。
Native Hierarchical and Compositional Representations with Subspace Embeddings
原生层次与组合表示：基于子空间嵌入
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 向量检索 ：vector search(abstract)
AI总结 提出用线性子空间替代向量表示概念，通过子空间维度与包含关系自然建模层次与组合性，并引入可微软投影矩阵实现端到端训练，在层次推理和自然语言推理任务上达到最优性能。
Comments KDD 2026
MINER: Mining Multimodal Internal Representation for Efficient Retrieval
MINER：挖掘多模态内部表示以实现高效检索
机构 * McGill University（麦吉尔大学） ； MIT - Massachusetts Institute of Technology（麻省理工学院） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（MBZUAI - 摩洛哥 bin Zayed 大学人工智能学院） ； Mila - Quebec AI Institute（Mila - 加拿大魁北克人工智能研究所）
专题命中 向量检索 ：dense retrieval(abstract)
AI总结 本文提出MINER，通过挖掘Transformer各层内部表示，融合多模态信号生成紧凑嵌入，提升检索性能，优于现有单向量检索器并在部分设置中缩小与晚交互基线的差距。
Comments Preprint
SwarmIO: Towards 100 Million IOPS SSD Emulation for Next-generation GPU-centric Storage Systems
SwarmIO：面向下一代GPU-centric存储系统的1亿IOPS SSD仿真
专题命中 向量检索 ：vector search(abstract)
AI总结 本文提出SwarmIO，一种支持大规模并行GPU-centric存储的SSD仿真器，通过高效建模实现高达40 MIOPS的IOPS优化，比现有最佳方案快303.9倍，并通过向量搜索案例展示其性能提升。
From Static Repositories to Agentic Knowledge Webs: ResearchTwin and the S-Index for Federated Human-AI Research Discovery
从静态仓库到代理知识网络：ResearchTwin和S-指数用于联邦人机研究发现
专题命中 向量检索 ：retrieval-augmented generation(abstract)
AI总结 ResearchTwin通过S-指数量化多模态研究影响，利用联邦架构实现人机协同的知识发现。
Comments 15 pages, 1 figure, https://github.com/martinfrasch/ResearchTwin
A Derivative-Free Saddle-search Algorithm With Linear Convergence Rate
无导数鞍点搜索算法及其线性收敛性
专题命中 向量检索 ：vector search(abstract)
AI总结 本文提出了一种无导数鞍点搜索算法，通过内层特征向量搜索和外层鞍点搜索实现线性收敛，验证了其理论收敛性和实际应用性。
Graph-based Nearest Neighbors with Dynamic Updates via Random Walks
通过随机游走实现的基于图的最近邻搜索与动态更新
机构 * Amazon（亚马逊公司） ； Tel Aviv University（特拉维夫大学） ； MIT（麻省理工学院）
专题命中 向量检索 ：retrieval augmented generation(abstract)
AI总结 本文提出了一种基于随机游走的图结构，用于实现支持动态更新的近似最近邻搜索，并通过实验验证了其在效率和性能上的优势。
Comments 37 pages, 23 figures
gpu_ext: Extensible OS Policies for GPUs via eBPF
gpu_ext: 通过eBPF实现GPU的可扩展操作系统策略
专题命中 向量检索 ：vector search(abstract)
AI总结 gpu_ext通过eBPF技术实现GPU驱动器和设备的可扩展操作系统接口，提升GPU性能并降低延迟。
How Should We Evaluate Data Deletion in Graph-Based ANN Indexes?
在基于图的ANN索引中，我们应如何评估数据删除？
机构 * The University of Tokyo（东京大学） ； The University of Osaka（大阪大学）
专题命中 向量检索 ：retrieval-augmented generation(abstract)
AI总结 本文提出了一种评估框架和指标，用于评估基于图的ANNS索引在动态数据中的数据删除效率，并提出删除控制方法以动态选择合适的删除策略。
Comments 4 pages, 4 figures. Accepted at NeurIPS 2025 Workshop on Machine Learning for Systems
The Faiss library
机构 * FAIR, Meta（FAIR，Meta） ； Zilliz ； DeepSeek ； Skip Labs
专题命中 向量检索 ：vector search(abstract)
A Stochastic Algorithm for Searching Saddle Points with Convergence Guarantee
专题命中 向量检索 ：vector search(abstract)
Compressed Concatenation of Small Embedding Models
机构 * University of Passau（巴伐利亚大学）
专题命中 向量检索 ：dense retrieval(abstract)
UpANNS: Enhancing Billion-Scale ANNS Efficiency with Real-World PIM Architecture
专题命中 向量检索 ：RAG(abstract)
Comments Accepted by SC 25
Suppressing Gradient Conflict for Generalizable Deepfake Detection
机构 * School of Software, Shandong University（山东大学软件学院） ； Quan Cheng Laboratory（全成实验室） ； School of Computer Science, National University of Singapore（新加坡国立大学计算机科学学院）
专题命中 向量检索 ：vector search(abstract)
Comments V1
