AITOPAI热报

稀疏检索

共 3 条相关 AI 资讯
9月1日
21:43
21:43Qdrant@qdrant_engine
精选
Hugging Face 发布了包含 12 万个查询的检索基准。该基准涵盖密集检索、稀疏检索和过滤搜索三种类型。基准测试针对生产环境实际运行情况，而非合成数据集上的召回率指标。
AI产品Hugging Face检索基准密集检索
推荐理由：Hugging Face 推出了 12 万查询的检索基准，覆盖多种检索方式，比传统合成数据测试更贴近实际生产环境。
原文
8月11日
00:28
00:28Milvus@milvusio
精选
Milvus 3.0在向量检索基础上加入更多库内处理能力，支持ORDER BY对过滤结果和ANN候选排序。查询侧聚合提供count、sum、avg、min、max，并按标量字段分组。搜索聚合支持分面检索，返回分桶计数、聚合统计和每桶Top-N样本，但分面计数基于ANN结果故为近似值。新增StructArray让单个实体可包含多个向量与结构化元素，适配文档块、视频帧和ColBERT等交互式模型。稀疏检索增强包括压缩版BM25索引和面向SPLADE学习型稀疏向量的SINDI算法。
AI产品Milvus 3.0Milvus稀疏检索
推荐理由：Milvus 3.0把排序、聚合、分面、多向量检索都做进引擎，应用端少写不少逻辑，做RAG的值得看看。
原文
8月4日
12:54
12:54官方账号arXiv cs.AI@Tingyu Song, Mingxin Li, Yanzhao Zhang, Dingkun Long, Pengjun Xie, Zhijie Nie, Yilun Zhao, Shu Wu
UEmbed是首个解码器-only的多模态嵌入模型，能在一次前向传播中同时生成稀疏词级和稠密向量表示。该模型通过在输入后追加N个可学习特殊token，并将词表划分为N个不相交子集，实现两类嵌入的统一输出。UEmbed公开了2B、4B、9B三个规模版本，其中UEmbed-9B在MMEB-v2基准上达到稠密71.8、稀疏71.0的成绩，优于同训练数据规模的多模态嵌入模型RzenEmbed。在BEIR基准上，UEmbed与强稀疏和稠密基线保持竞争力，并验证了在效率与智能体应用上的实用性。
AI模型UEmbed多模态稀疏检索
推荐理由：想用一个模型同时搞定稀疏检索和稠密检索？UEmbed把两件事合成了一次前向，9B在MMEB-v2上分数还挺能打，多模态输入也支持。
原文