利用学术概念索引提升科学文献检索
密码学与安全
2026-01-05 v1
摘要
将通用领域检索器适应科学领域具有挑战性，主要由于缺乏大规模领域特定相关注释，以及词汇和信息需求之间的显著差异。最近的研究方法通过两个独立方向利用大型语言模型（LLM）来解决这些问题：（1）生成用于微调的合成查询，（2）生成辅助上下文以支持相关性匹配。然而，这两个方向都忽略了科学文档中嵌入的多样化学术概念，往往产生冗余或概念狭窄的查询和上下文。为此，本文引入学术概念索引，从论文中提取关键概念并依据学术分类法进行组织。这个结构化索引为改进两个方向提供了基础。首先，我们通过概念覆盖率生成（CCQGen）增强合成查询生成，使LLM能够针对未覆盖的概念自适应生成补充查询，以获得更广泛的概念覆盖。其次，我们通过基于概念的辅助上下文扩展（CCExpand）强化上下文增强，利用一组文档片段作为针对CCQGen查询的简洁性回应。广泛的实验表明，将学术概念索引纳入查询生成和上下文增强中，能够获得更高质量的查询，更好的概念对齐，并提高检索性能。
引用
@article{arxiv.2601.00566,
title = {Low Rank Comes with Low Security: Gradient Assembly Poisoning Attacks against Distributed LoRA-based LLM Systems},
author = {Yueyan Dong and Minghui Xu and Qin Hu and Yinhao Xiao and Qi Luo and Yechao Zhang and Yue Zhang and Xiuzhen Cheng},
journal= {arXiv preprint arXiv:2601.00566},
year = {2026}
}
备注
8 figures, 8 tables