待验证50% 置信事实精确时间

LLM-IRA 最终排序完全依靠一次线性分数融合完成，不需要维护完整的 pairwise 矩阵，也不需要在线调用 LLM 逐条重排。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

LLM-IRA：量子启发式交互排序聚合，用主动LLM反馈提升RAG检索

涉及实体

LLM-IRAmodel 线性分数融合concept

相关事实

待验证对归一化向量使用内积索引往往能复用HNSW、IVF等高效近似索引结构，无需为余弦相似度单独构建索引55% 相似待验证应对重复分块的措施包括内容哈希精确去重、基于嵌入相似度的近重复聚类、制定规范化策略、查询时按来源元数据加权，这些都不需要改动模型。54% 相似待验证TF-IDF+逻辑回归从不预测两个最稀有的类别，且在类型字段上与Gemma 4在统计上持平。54% 相似待验证LLM-IRA 主动挑选多个检索器打分分歧最大的文档对，让 LLM 给出偏好判断，再据此学习各检索器的融合权重。54% 相似待验证格是由一组线性无关的基向量通过整数线性组合所张成的离散点集合53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1114244

API

curl https://kongchang.com/api/v1/knowledge/claims/1114244

MCP

get_claim(id=1114244)