嵌入召回加语言模型过滤在随机试验语料上覆盖92%证据
资讯摘要
论文比较了两种在大规模文献集合中查找相关证据的方法：传统做法是给每条文献打上受控词表标签再按标签检索，另一种做法是先用文本嵌入按语义召回候选，再由语言模型筛出真正相关的内容。作者在包含7354项随机试验的语料上报告，标签检索只找到系统综述应纳入证据的45%，新方法找到92%，但单次查询成本随检索深度上升。结果支持将广泛候选召回与针对查询的证据过滤相结合的两阶段架构。
要点速读
- 论文在7354项随机试验语料上比较标签检索与嵌入加语言模型过滤两种方法
- 作者报告标签检索覆盖系统综述应纳入证据的45%，新方法为92%
- 新方法的单次查询成本随检索深度增加，作者据此提出两阶段架构
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。