本文提出了新的检索模型，结合了指令模型和基于检索模型，使用大型语言模型的正负对进行训练，以改进当前文本嵌入技术性能。

May, 2023

本文提出管道系统及语义检索中间层制定通用设计指南。在事实检查和开放领域多跳 QA 中，该系统取得了表现。统计分析表明，中间层语义检索提高了上游信息的筛选效率，下游建模的数据质量，实现了学习上下文逻辑结构的机器阅读。

Sep, 2019

本文提出了一个概念框架来理解信息检索和自然语言处理中的最新发展，该框架试图将稠密和稀疏检索方法整合起来，并将文本检索问题分成逻辑评分模型和物理检索模型。作者提出度量器和比较函数，将查询和文档映射到表征空间，并计算查询 - 文档分数，同时分析了密集与稀疏表征和监督与无监督方法的影响。最后，作者提供了一个研究路线图，使得该框架更加清晰且提供未来工作的方向。

Oct, 2021

本研究提出了一种半参数学习模式的检索增强提示调优模型用于关系提取，在基于预训练模型的输出和非参数化最近邻分布下，通过开放式书本数据库的查询，可以更好地推理和查询模型选择的例子和知识，经过轨迹学习和训练得出的模型可以用于在标准监督和少样本场景下实现最先进的性能。

May, 2022

我们提出了一种新颖的抽象感知的基于草图的图像检索框架，能够处理不同级别的草图抽象。通过学习抽象感知特征和粒度级别的抽象理解，我们的方法在标准的草图 - 图像检索任务以及早期检索、法医草图 - 照片匹配和风格不变检索等具有挑战性的场景中表现出色。

Mar, 2024

使用物理关系模型，通过将虚构的抽象物体布局与文本描述中存在的空间约束相匹配来从文本描述中推断 3D 结构，并通过将对象检测输出与表示为边界框的 2D 布局候选项进行匹配来评定图像排序，从而检索与场景的文本描述相匹配的图像，其性能优于基于对象出现直方图和学习的 2D 成对关系的基线方法。

Nov, 2016

我们介绍了一种针对医学报告生成的主题分离句子检索（Teaser）方法，通过将查询分类为常见和少见类型以学习不同的主题，提出主题对比损失来有效地对齐主题和查询，同时使用抽象器模块在提取视觉特征后帮助主题解码器更深入地理解视觉观察的意图，在 MIMIC-CXR 和 IU X-ray 数据集上的实验证明了 Teaser 超过了现有的模型，同时验证了其有效地表示罕见主题并建立查询和主题之间更可靠的对应关系的能力。

May, 2024

本文关注零样本图像检索，使用句子作为查询条件，概述了该领域的技术趋势，包括图像与文本匹配的历史、常用的数据集和方法的评估结果， 并介绍了 Github 上的实现，旨在鼓励研究者进一步发掘语言与图像之间的联系。

May, 2021

回答真实世界中的用户查询，如产品搜索，通常需要从半结构化知识库或涉及混合结构化和非结构化信息的数据库中准确检索信息。我们开发了 STARK，一个基于文本和关系知识库的大规模半结构化检索基准，以填补此间隙，并验证了此基准的质量和实际应用的多样性。我们的实验表明，STARK 数据集对当前的检索系统和大型语言模型系统提出了显着挑战，表明需要构建更具能力的检索系统来处理文本和关系方面的要求。

Apr, 2024

通过研究密集短语检索系统，探讨短语检索是否可以作为粗粒度检索（如段落和文档）的基础，并提出了短语过滤和矢量量化等方法，可以将检索索引的大小减小至原来的 4-10 倍，从而使得密集短语检索成为多粒度检索的实用解决方案。

Sep, 2021