
论文日常阅读笔记——Breaking the Lens of the Telescope: Online Relevance Estimation over Large Retrieval Sets(2025 SIGIR)

Breaking the Lens of the Telescope: Online Relevance Estimation over Large Retrieval Sets提出了在线相关性估计 ORE:针对每个查询,只用少量昂贵重排模型的评分在线学习一个轻量级相关性估计器,然后不断重新安排整个候选池中的文档优先级,从而在减少重排调用的同时,找回传统级联检索过早排除的相关文档。

论文日常阅读笔记——Reproducing Adaptive Reranking for Reasoning-Intensive IR(SIGIR 2026)

Reproducing Adaptive Reranking for Reasoning-Intensive IR这篇工作发表于 SIGIR 2026 Reproducibility Track(可复现性赛道)。它不是重新发明 GAR,而是把 2022 年提出的 Graph-based Adaptive Re-ranking,图式自适应重排序,迁移到更困难的 BRIGHT 推理检索任务中,检验原结论是否仍然成立。

论文日常阅读笔记——Early Exiting BERT for Efficient Document Ranking(2020 SustaiNLP)

Early Exiting BERT for Efficient Document Ranking(2020 SustaiNLP)提出了非对称提前退出BERT用于文档排序,这是一种有效提升模型在信息检索任务中效率的方法。计算资源根据样本的需求分配。实验表明,该方法能够通过设置不同的阈值实现不同的质量-延迟权衡,并且在基线条件下提升了模型效率。

论文日常阅读笔记——DeeBERT: Dynamic Early Exiting for Accelerating BERT Inference(ACL 2020)

本文提出了DeeBERT,这是一种有效的方法,利用BERT模型中的冗余性,实现更好的质量与效率权衡。实验显示其能够将BERT和RoBERTa的推断加速高达约40%,并揭示BERT模型中不同transformer层的有趣模式。

论文日常阅读笔记——Beyond Sequential Reranking: Reranker-Guided Search Improves Reasoning Intensive Retrieval (ICLR 2026)

传统 reranker 只能重新排列初始检索出的文档,无法挽救 Top-k 之外的正确答案。RGS 在文档相似图上进行搜索,让 reranker 不仅给文档打分,还决定下一步探索哪个文档的邻居。在相同 reranker 预算下,RGS 在推理检索、指令检索和多模态检索上都优于顺序 reranking,但它依赖高质量的文档图,并面临串行搜索和 reranker 判断错误的问题。

论文日常阅读笔记——Fine-Tuning LLaMA for Multi-Stage Text Retrieval(SIGIR 2024)

《Fine-Tuning LLaMA for Multi-Stage Text Retrieval》证明了大语言模型不仅可以生成答案,也可以成为搜索系统的大脑:通过微调 LLaMA 得到 RepLLaMA 和 RankLLaMA,可以同时提升召回和排序效果,并利用长上下文能力减少传统检索系统对文本切片的依赖。

论文日常阅读笔记——Passage Re-ranking with BERT(2019)

Passage Re-ranking with BERT直接将预训练语言模型 BERT 用作搜索系统第二阶段的文本重排序器,可以显著提升问答检索效果,并首次展示了 BERT 在 passage re-ranking 任务上的强大能力。

论文日常阅读笔记——When LLMs Lag Behind: Knowledge Conflicts from Evolving APIs in Code Generation(2026)

When LLMs Lag Behind: Knowledge Conflicts from Evolving APIs in Code Generation(2026 cite 2) 论文链接:[2…

论文日常阅读笔记——VersiCode: Towards Version-controllable Code Generation(2024)

VersiCode: Towards Version-controllable Code Generation(2024 引用数26) 论文地址:[2406.07411] VersiCode: Tow…

论文日常阅读笔记——GraphSearchNet: Enhancing GNNs via Capturing Global Dependencies for Semantic Code Search(TSE 2023)
GraphSearchNet: Enhancing GNNs via Capturing Global Dependencies for Semantic Code Search(TSE 2023) …