Seek：让相关性反馈改变下一轮检索

图 1 中评估器如何影响下一轮搜索，反馈错误又会怎样持续？

1. 1

   先生成可用于搜索的伪段落

   图左生成器围绕原查询每轮生成五个伪段落，用于扩展查询并交给 BM25 或密集检索器。伪段落是搜索假设，不是已验证知识；循环中保留原查询以减少对偏离主题文本的追随。

2. 2

   只评估新出现的候选

   图中每轮取前十候选，对此前未评过的文档按原查询给出 0–3 级相关性。生成器和评估器是同一个基础模型的不同角色，不能视为独立裁判。旧判断被缓存，所以初次误判可能长期影响后续搜索。

3. 3

   用分级反馈继续搜索或停止

   图下反馈池把相关、部分相关和无关文档提供给下一轮生成器；默认最多五轮，前十全部最高相关或连续两轮候选集合不变也会停止。自评分饱和不代表真实召回已经完整，还可能是共同偏差造成的过早收敛。

4. 4

   按评分分桶形成最终排名

   图右先排所有已评文档，按等级和跨轮最高检索分数排序，再放未评候选。即使等级为零也属于已评组；跨扩展查询的分数可比性、零分文档位置，都需要结合实际任务校准。

以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

官方仓库已存在 runner、生成器、评估器、融合和评测脚本及提示；代码文件可读，未确认独立 LICENSE 或通用商用授权。

LICENSE论文原图为 arXiv 非独占分发许可；仓库代码的再分发和商用许可未确认。