SELF-INDEX là khung làm việc tự động giúp chỉ mục truy xuất tự tiến hóa mà không cần can thiệp thủ công, thông qua cơ chế tự chẩn đoán lỗi và mô phỏng truy vấn để cải thiện hiệu suất tìm kiếm cho các hệ thống RAG và AI Agent.
Google Research giới thiệu R4T, sử dụng học tăng cường để tối ưu hóa truy vấn và chưng cất vào mô hình Diffusion Transformer, cho phép tạo toàn bộ hướng truy xuất chỉ trong một lần chạy duy nhất.
AI Notes@AYi_AInotesIBM đề xuất STAIR, mô hình sử dụng cấu trúc mục lục để định vị thông tin thay vì chia nhỏ văn bản. Trên bộ dữ liệu SearchTome, STAIR đạt độ chính xác 82,6%, vượt xa các phương pháp truyền thống như BM25 hay DPR.
Aravind Srinivas (Perplexity CEO)@AravSrinivasMô hình Nemotron 3 Embed 8B vừa chiếm lĩnh vị trí số 1 trên bảng xếp hạng Q2D-Web, vượt qua các bài kiểm tra trên 190 triệu tài liệu web và 70.000 truy vấn đa ngôn ngữ.
Nghiên cứu giới thiệu CORE, kỹ thuật sử dụng mô hình đa phương thức làm bộ sắp xếp lại (reranker) để chưng cất khả năng suy luận kết hợp vào các mô hình nhúng thông qua mục tiêu Rank-KL và danh sách ứng viên tổng hợp.
SnapBench là bộ tiêu chuẩn đầu tiên đánh giá độ bền của các mô hình AI khi người dùng chụp ảnh và đặt câu hỏi trên thiết bị di động, giải quyết các vấn đề về ảnh mờ hoặc lỗi nhập liệu văn bản thông qua 1.145 truy vấn thực tế.
Cùng sự kiện, bài đại diện «MULTI3IR: Bộ tiêu chuẩn mới đánh giá khả năng truy xuất thông tin đa chiều và đa phương thức»
DAIR.AI@dair_aiGood measurement work on whether retrieved agent skills actually help. They report that agent skill…
DịchBài báo giới thiệu chỉ số RAE giúp đánh giá chính xác khả năng sử dụng kỹ năng thực tế của các LLM Agent, thay vì chỉ dựa vào các chỉ số tổng hợp vốn thường che giấu những hạn chế trong quá trình truy xuất.
Multi^3IR là bộ tiêu chuẩn đánh giá khả năng truy xuất thông tin cho các truy vấn mở, đa góc nhìn trên nhiều lĩnh vực. Nghiên cứu cũng giới thiệu SPIN, phương pháp tối ưu hóa giúp giảm độ lệch đơn chiều và cải thiện độ chính xác cho các mô hình truy xuất hiện nay.
CoGR là khung làm việc đột phá cho phép LLM trực tiếp tạo ra các biểu diễn từ khóa cho cả truy vấn và sản phẩm, giúp tối ưu hóa hệ thống tìm kiếm mà vẫn tương thích với hạ tầng chỉ mục ngược hiện có.
ParliamentRAG giải quyết các hạn chế của RAG truyền thống trong văn bản nghị viện bằng cách đánh giá thẩm quyền của người phát biểu dựa trên chuyên môn và bối cảnh, giúp trích xuất thông tin chính xác và khách quan hơn.