提出RELER嵌入空间检索强化学习框架

Qi Liu等提出RELER框架，使现有嵌入模型能够在嵌入空间中通过强化学习直接学习检索，并对齐任务特定奖励。方法从von Mises-Fisher分布采样查询和文档嵌入，以REINFORCE和RLOO更新编码器，同时用条件均值投影降低策略梯度噪声；摘要称其在BRIGHT上对InfoNCE和LambdaLoss的平均nDCG@10均有提升。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。