arXiv · cs.CL· Yunhan Li·· 10 天前AI 评分38
超越召回饱和：面向工业法律检索的 Hard-Negative Reranker 训练扩展
Beyond Recall Saturation: Scaling Hard-Negative Reranker Training for Industrial Legal Retrieval
来源与原文
arXiv · cs.CL
作者：Yunhan Li
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/2610.24478v1
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
该研究针对工业检索中 embedding 召回的收益递减问题，提出应分阶段评估检索与重排（reranker）环节。在中文法律检索基准上，embedding top-300 已进入高召回区间，作者比较了 embedding-mined、self-mined 与动态负样本等训练策略，发现 embedding-to-self-mined 流水线性价比最佳。该流水线可将 reranker 从 0.6B 扩展到 4B，训练后的 4B Stage2 模型在 STARD、CSAID 基准和内部开发集上指标提升，并在 410 条内部查询的离线偏好评测中于 72.4% 的非平局对比中胜出。
来源：arXiv · cs.CL · arxiv.org