研究者提出CA-HNM约束感知难负例挖掘框架用于稠密检索

Ngoc Luyen Le 等研究者发布论文（arXiv:2610.35045），提出约束感知难负例挖掘框架 CA-HNM，将检索式候选生成与结构化领域模型的确定性不兼容规则结合，为稠密检索挖掘难负例，并用其微调标准双编码器。 该方法中结构化信息仅在离线负例构建阶段使用。据论文实验结果，与检索排名匹配的对照组相比，CA-HNM-Pure 在 8 个数据集—编码器—损失函数配置中的 6 个上取得更高的平均 NDCG@10。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。