研究：IDF加权的词法非覆盖信号可追踪硬负样本迁移效果
热点事件持续更新
研究：IDF加权的词法非覆盖信号可追踪硬负样本迁移效果
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Aarush Sinha、Rahul Seetharaman 和 Aman Bansal 发布论文，研究 MS MARCO 训练硬负样本的哪些信号能预测稠密检索器的迁移效果，比较了 BM25、稠密、LLM 生成和混合来源的硬负样本。基于三种检索器骨干和 11 个 BEIR 数据集，作者报告：IDF 加权的查询词项非覆盖率（mean lexical residuality）在全部六个骨干与设置组合中复现了总体迁移排序。 单个语义统计未能复现任何完整排序，与词法信号组合也未改善排序一致性。本条目基于论文摘要，未核验全文。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
硬负样本迁移由何种信号追踪？词法与语义信号研究报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AI硬负样本迁移由何种信号追踪？词法与语义信号研究
研究比较BM25、稠密、LLM生成和混合硬负样本来源的词法非覆盖、冻结编码器相似度与难度代理信号。基于三种检索器骨干和11个BEIR数据集的结果表明，IDF加权的查询词项非覆盖率均值在全部六个骨干与设置组合中复现了总体迁移排序；单个语义统计及其与词法信号的组合未能改善排序一致性。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。