NanoVDR通过蒸馏2B视觉语言检索器为视觉文档检索提供了一个70M的文本编码器，保留了95.1%的教师质量。

Zhuchenyang Liu, Yao Zhang, Yu Xiao

提出EISAM优化框架，显著提升长尾项目推荐性能。

Jiaming Zhang, Yuyuan Li, Xiaohua Feng 等

AnchorRec通过锚点对齐防止多模态推荐系统中的位置崩溃，提升推荐准确率。

Yonghun Jeong, David Yoon Suk Kang, Yeon-Chang Lee

FGTR通过层次化LLM推理实现细粒度多表检索，在Spider和BIRD数据集上分别提升F_2指标18%和21%。

Chaojie Sun, Bin Cao, Tiantian Li 等

VLM4Rec通过大规模视觉语言模型实现多模态推荐的语义表示，提升推荐性能。

Ty Valencia, Burak Barlas, Varun Singhal 等

InterDeepResearch通过交互式深度研究实现人机协作的信息检索，提升研究过程的可观察性和实时可控性。

Bo Pan, Lunke Pan, Yitao Zhou 等

FedShare框架通过个性化数据共享和对已共享数据的反向学习，提升推荐系统性能。

Liang Qu, Jianxin Li, Wei Yuan 等

OneRec-V2通过FP8量化推理实现49%延迟减少和92%吞吐量提升。

Yi Su, Xinchen Luo, Hongtao Cheng 等

研究表明，使用LLM生成的伪相关反馈文本能显著提高查询效果，尤其在低资源任务中。

Nour Jedidi, Jimmy Lin

使用结构化链接数据作为记忆层，提升RAG系统的检索准确性，标准RAG提高29.6%，agentic管线提高29.8%。

Andrea Volpini, Elie Raad, Beatrice Gamba 等