热点事件持续更新
DualEnd：全池集合式长上下文 LLM 重排方法
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv 平台 Information Retrieval 分类发布一篇一手论文，提出名为 DualEnd 的 Whole-Pool Setwise 重排序方法。该方法面向长上下文大语言模型（LLM）重排场景，核心思路是让每次比较对整个候选池进行排序，而非仅处理局部候选；同时选出最相关与最不相关候选，从排序两端逐步填满结果序列，以实现更高效的 LLM 重排序。目前公开信息仅涉及该论文的方法描述，未见实验数据、代码开源或后续评测报道。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
2026-10-05 论文提出 DualEnd，全池集合式比较并从两端填满排序。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Information Retrieval用全池、集合式、长上下文 LLM 实现更高效的 LLM 重排序
论文提出 Whole-Pool Setwise 重排序方法 DualEnd，让每次比较对整个候选池排序，并同时选出最相关与最不相关候选，从两端填满排序。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。