arXiv cs.AI· Renbo Tu, Yang Liu, Shuying Sun·· 11 小时前AI 评分34
重新审视生成式检索与稠密检索：静态价值先验可逆转差距
Revisiting Generative vs. Dense Retrieval: A Static Value Prior Reverses the Gap
AI 导读
在 Amazon Toys 两个数据集上，生成式检索（GR）仅在双方共同覆盖用户的最佳相关商品价值上领先，而稠密检索（DR）在精确目标召回和整条排序列表的相关价值上更优；分析显示 GR 的价值领先主要来自流行度。在 DR 重排阶段加入相同的静态商品价值即可逆转这一领先并保持召回高于 GR。在工业级内部电商数据集上，经 LLM 判定相关性，14B 的 SID-LLM 仍不及小 47 倍的稠密编码器。
正文 · AI 翻译
摘要：随着语言模型和语义物品标识符的改进，生成式检索（GR）已成为序列推荐中强有力的候选生成器。然而，在线零售候选生成中，GR 并非对稠密检索（DR）的全面更强替代。我们在两个 Amazon Toys 数据集上、在不同指标下考察了二者的差异。在两种方法均覆盖的用户中，GR 在最相关物品价值上领先；而 DR 在精确目标召回和整个排序列表的相关价值上领先。经深入分析，我们发现流行度对 GR 所测得的价值领先贡献最大。在一个重排序步骤中为 DR 加入相同的静态物品价值，即可逆转这一领先，并使召回率保持在 GR 之上。最后，在一个具有 LLM 判定相关性的工业规模内部电商数据集上，我们表明 14B 的 SID-LLM 仍不及小 $47\times$ 的稠密编码器。
| 评论： | ACM CIKM EARL 2026 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.19065 [cs.IR] |
| （或本版本的 arXiv:2610.19065v2 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2610.19065 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Renbo Tu [查看邮箱]
[v1]
2026年10月13日 星期二 19:02:30 UTC（227 KB）
[v2]
2026年11月4日 星期三 22:24:21 UTC（242 KB）
来源：arXiv cs.AI · arxiv.org