StageCF提出兴趣衰减扩散；在Yelp2018等三数据集上优于生成式与扩散基线。
Yifang Qin, Zhaobin Li, Arisa Watanabe 等
提出DATR框架结合多轮交互和视频描述，显著提升健康视频检索性能。
Chengzheng Wu, Ke Qiu, Baoming Zhang 等
提出以去噪为核心的LLM信息检索框架，通过信噪比优化提升验证能力。
Lu Dai, Liang Sun, Fanpu Cao 等
本研究比较Google传统搜索、AI概览与Gemini，发现AIO在51.5%的真实查询中生成，源差异显著。
Riley Grossman, Songjiang Liu, Michael K. Chen 等
TimeMM通过时间调节的谱滤波实现动态多模态推荐，有效捕捉用户偏好演变。
Wei Yang, Rui Zhong, Zihan Lin 等
通过蒸馏对齐密集检索器与LLM效用，UAE在QASPER基准上提升Recall@1达30.59%。
Rajinder Sandhu, Di Mu, Cheng Chang 等
研究通过QPP选择RAG管道中最佳查询变体，提升生成质量。
Negar Arabzadeh, Andrew Drozdov, Michael Bendersky 等
提出TAWin方法，通过WPAUC优化RL推荐系统，提升Top-K性能。
Wentao Shi, Qifan Wang, Chen Chen 等
提出语义与协同视图的互补融合方法，避免全局对齐带来的局限，提升推荐系统性能。
Maolin Wang, Dongze Wu, Jianing Zhou 等
ResRank通过残差段落压缩和端到端联合训练，提升信息检索的效率和效果。
Xiaojie Ke, Shuai Zhang, Liansheng Sun 等
结合ECLASS语义的密集检索方法在电子元件语义搜索中实现94.3%的HitRate@5。
Nico Baumgart, Markus Lange-Hegermann, Jan Henze
Diagnosable ColBERT通过对齐临床知识的参考潜在空间，提升ColBERT模型的诊断能力。
François Remy
LoopCTR通过循环扩展范式提升点击率预测性能，显著减少计算成本。
Jiakai Tang, Runfeng Zhang, Weiqiu Wang 等
CAST框架通过语义级转换建模，提升了17.6%召回率和16.0% NDCG，训练加速65倍。
Qian Zhang, Lech Szymanski, Haibo Zhang 等
CS3框架通过循环自适应结构、跨塔同步和级联模型共享，实现了两塔推荐系统的高效在线能力协同，提升了8.36%的广告收入。
Lixiang Wang, Shaoyun Shi, Peng Wang 等
文档作为图像的表示在科学检索中表现不佳，文本+图像交错表示更有效。
Ghazal Khalighinejad, Raghuveer Thirukovalluru, Alexander H. Oh 等
MARC方法通过模块化表示压缩提高推荐系统效率，在线测试提升eCPM 2.82%。
Yunjia Xi, Menghui Zhu, Jianghao Lin 等
RankUp通过随机置换、多嵌入和全局融合提升表示秩，改善推荐系统性能。
Jin Chen, Shangyu Zhang, Bin Hu 等
CoARS框架通过自蒸馏强化学习提升推荐系统性能，实验显示用户对齐度提高。
Zongwei Wang, Min Gao, Hongzhi Yin 等
RAR框架通过检索增强与强化学习结合，提升推荐性能与事实性，在电影推荐基准上超越现有方法。
Zhenrui Yue, Honglei Zhuang, Zhen Qin 等