TREC 2019 新推出的 Deep Learning Track 使用大量标注数据，对包含三百万文档和五十万训练查询的 Ad Hoc 排名展开研究，结果 Deep Learning 方法在 15 组提交的 75 个运行中取得了优异的表现。

Mar, 2020

通过比较 MS MARCO 和 TREC 深度学习赛道与 1990 年代的 TREC 专家检索的情况，本文探讨了评估努力的设计如何鼓励或阻碍某些结果，提出避免这些困难的最佳实践，概述了该领域的研究进展，并描述了我们对于 “健壮有用性” 的期望结束状态。

May, 2021

今年是 TREC 产品搜索跟踪的第一年。重点在于创建可重复使用集合，并评估元数据和多模态数据对检索准确性的影响。研究结果显示，在产品搜索领域，传统的检索系统效果非常好，通常优于通用的预训练嵌入模型。我们还评估了使用简化和元数据增强集合的影响，发现扩展集合的影响没有明显的趋势。我们还观察到一些令人惊讶的结果，尽管单阶段密集检索运行在其他任务上表现出色且被广泛采用，但在零 - shot 和精细调整领域中，常常不具竞争力或生成低质量结果。

Nov, 2023

本研究通过研究多种主动学习策略，探究了不依赖系统排名的文献选择方法，以及对未标记文献进行自动分类的两种方法；并在五个具有不同相关文献稀缺程度的 TREC 数据集上进行了实验研究，其结果表明了我们的方法的有效性，同时分析了在不同数据集上，相关文献稀缺性对结果的影响，为了支持进一步的工作和再现性，因此我们将我们的代码在线分享了。

Jan, 2018

该论文介绍了基于大规模文本检索技术在实际商业场景中的应用，以及在 TREC 2022 深度学习竞赛中所采用的混合文本检索和多阶段文本排序方法，结果表明我们提出的方法有效。

Aug, 2023

本文提出了一种系统的方法来训练可重复的深度学习模型，该方法包括评估标准，统一的框架和可重复性指南，能够在不同领域成功复现多个深度学习模型。

Feb, 2022

介绍了一个名为 DL-HARD 的数据集，它通过对 TREC Deep Learning (DL) 主题进行广泛注释，从而更有效地评估神经排序模型，包括问题意图分类、答案类型、话题类别、来自商业网络搜索引擎的实体以及结果类型元数据等，同时还介绍了识别挑战性查询的框架。DL-HARD 包含了 DL 2019/2020 评估基准的 50 个主题，其中一半是新的并且独立评估的。该研究通过在 DL-HARD 上进行实验，发现参与系统的评估指标和排名存在实质性差异，从而推动了神经排序方法的研究。

May, 2021

探究了不同的查询表示方法结合不同的检索模型对检索性能的影响，同时提出了一种基于关键词提取方法的检索模型，并通过实验表明，该方法结合传统或基于决策论的相关性模型，可以显著提高查询效果。

Jul, 2022

我们提出了一个长期实验数据库（LDE），可以自动提取和存储实验相关的元数据，并提供重新生成这些元数据的功能，还可以进行元学习。LDE 具有标准化的存储方式，利于查询和聚合数据，并提高元学习的性能表现。

Feb, 2022

本研究利用 3117 个来自多个老年痴呆研究队列和记忆门诊的 MRI 扫描图像，通过在训练数据中加入更广泛的图像分布来考察深度学习模型在诊所数据集中的泛化能力，进而探究深度学习模型对于不同扫描仪、协议和疾病群体的影响。研究发现，更广泛的训练图像可以提高模型的泛化能力，并且未来的深度学习研究需要在多个外部队列上进行评估，以得到可靠的结果。

Nov, 2019