Embedding Informati dalla Navigazione: Adattare i Retriever Densi dalle Tracce degli Agenti

Un recente articolo su arXiv (2608.15956) presenta gli Embedding Informati dalla Navigazione (NIE), un insieme di obiettivi derivati dalle tracce che consente ai retriever densi di adattarsi alle distribuzioni di flussi di lavoro in evoluzione senza la necessità di nuove etichette di rilevanza, query sintetiche o giudizi da LLM. Questo approccio utilizza le tracce di recupero—comprendenti query, recuperi e punti di arresto—generate durante il question answering. NIE-Stop considera il documento di arresto come un positivo debole, mentre NIE-Path incorpora i documenti di percorso precedenti come confronti difficili e applica vincoli ordinali con decadimento geometrico. I test indicano che un encoder BGE, modificato dalle traiettorie sorgente mantenute, migliora il supporto Recall@20 su un benchmark indipendente dal 72,2 al 78,0. NIE-Stop ottiene 76,9 complessivi e 52,3 su percorsi lunghi, mentre NIE-Path aumenta le prestazioni sui percorsi lunghi al 55,4, rispetto al 46,7 dell'encoder non modificato. Un controllo che utilizza un ordine mescolato sotto l'obiettivo del percorso completo comporta una perdita di 3,2 punti. La ricerca sottolinea il potenziale dell'utilizzo delle tracce di ricerca degli agenti per un adattamento efficace del recupero.