09:43arXiv cs.AI@Molham Mohamed, Ali Hamdi针对叙事问答中单次解码易产生不一致答案的问题,提出自一致性重排序框架。该方法先生成多个候选答案,再根据语义一致性选择最终输出。在NarrativeQA数据集上使用FLAN-T5(Base/Small)和Pegasus-Large进行评测。FLAN-T5-Base从82.32%提升至86.66%(+4.34%),Pegasus-Large从72.50%提升至87.07%(+14.57%)。论文NarrativeQAFLAN-T5Pegasus-Large叙事问答重排序推荐理由:一篇提升叙事问答准确率的新方法,用自一致性重排序让多个模型都涨分,Pegasus-Large提升超14个百分点,简单有效。原文
07:14marktechpost@Sana Hassan本文教程介绍了如何使用 ZeroEntropy 的 Zerank-2 重排序器(基于 Qwen3 的 4B 交叉编码器)来提升检索质量。教程从设置运行环境、加载模型开始,逐步讲解如何对查询-文档对进行评分。接着,从简单的成对评分过渡到实用的两阶段检索-重排序管道:先用快速的双编码器检索候选文档,再用 Zerank-2 进行精排。该方案能显著提高检索精度,适合需要高准确率的信息检索场景。AI模型检索增强生成重排序交叉编码器Qwen3ZeroEntropy推荐理由:做 RAG 或搜索系统的开发者,这个教程直接教你用 Zerank-2 搭建两阶段管道,从环境配置到实战代码都有,值得跟着跑一遍。原文