arXiv · cs.AI· Ngoc Luyen Le·· 20 小时前AI 评分18
CA-HNM：基于结构化领域模型的约束感知难负例挖掘方法用于稠密检索
CA-HNM: Constraint-Aware Hard Negative Mining for Dense Retrieval with Structured Domain Models
来源与原文
arXiv · cs.AI
作者：Ngoc Luyen Le
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35045v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 CA-HNM，一个将检索候选生成与来自结构化领域模型的确定性不兼容规则相结合的约束感知难负例挖掘框架，用于微调标准双编码器稠密检索模型。在 MOOCCubeX 和 Course-Skill Atlas 两个数据集上，用两种编码器、两种训练损失和十个随机种子评估，CA-HNM-Pure 在 8 个数据集-编码器-损失配置中的 6 个取得更高的平均 NDCG@10，另有实验显示 CA-HNM-Mixed 也略优于对照。结果表明约束感知选择的效果取决于训练目标和负例池构成。
来源：arXiv · cs.AI · arxiv.org