Xetrieval：从机制上解释密集检索
该文介绍了论文Xetrieval: Mechanistically Explaining Dense Retrieval，提出Xetrieval框架用于从嵌入层面机制性地解释密集检索器，通过轻量级推理内化器模拟思维链推理，并将嵌入分解为可解释的稀疏特征。
信息检索
First-Principle 上关于「信息检索」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
密集检索器中的位置偏见：源于数据还是模型固有？
一篇论文研究了密集检索器中的位置偏见问题，发现该偏见主要源于训练数据中证据的位置分布，而非模型固有特性。通过使用位置平衡的训练数据，可以显著降低模型对文档位置的敏感性，同时保持检索性能。
MLAIRE：多语言语言感知信息检索评估协议
该论文提出评估协议MLAIRE，旨在解决多语言信息检索评估中，标准指标过于侧重语义相关性而忽视结果语言偏好的问题。论文构建了跨语言平行段落的受控池，并引入语言偏好率等新指标，对31种检索器进行了评估。
智能体有信息需求：将推理融入检索系统以提升性能
本文探讨了在人工智能领域，信息检索的核心是满足信息需求，而传统的查询式检索是一种妥协。文章提出，智能体的推理过程揭示了其真实的信息需求，因此应该利用这一点来改进检索系统。通过介绍BRIGHT基准测试及后续研究，展示了将推理步骤融入查询可以显著提升检索性能，为构建更智能的检索系统提供了新思路。