本期為TechBeat人工智能社區(qū)第403期線上Talk。北京時間5月5日(周四)20:00，清華大學在讀博士生——詹靖濤的Talk將準時在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是: “基于聯(lián)合優(yōu)化編碼和索引的高效向量檢索模型”，屆時將介紹目前基于聯(lián)合優(yōu)化來提升向量檢索有效性的相關研究。

Talk·信息

主題：基于聯(lián)合優(yōu)化編碼和索引的高效向量檢索模型

嘉賓：?清華大學在讀博士生詹靖濤

時間：北京時間?5月5日?(周四) 20:00

地點：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復制鏈接https://datayi.cn/w/QReKddno至瀏覽器，一鍵完成預約！上線后會在第一時間收到通知哦

Talk·提綱

近年來，稠密向量檢索技術(shù)逐漸成為重要的第一階段檢索的技術(shù)。通過把查詢和文檔表征為稠密向量，這一技術(shù)取得了比傳統(tǒng)檢索方法更好的召回結(jié)果。然而，基于稠密向量的暴力搜索會導致巨大的存儲和計算開銷，使得這一檢索技術(shù)較為低效。本次Talk介紹目前基于聯(lián)合優(yōu)化來提升向量檢索有效性的相關研究。這些研究對表征進行乘積量化，從而提升了存儲和計算的效率。同時，編碼器和乘積量化算法會進行聯(lián)合優(yōu)化，這使得檢索性能不會因為量化而損失。研究表明，這種方法可以在大大提升檢索效率的同時幾乎不損害檢索性能。

具體分享提綱如下：

1. 背景知識：雙塔模型，PQ

2. RepCONC模型：第一階段的聯(lián)合訓練（側(cè)重可導的優(yōu)化），第二階段的聯(lián)合訓練（側(cè)重端到端的優(yōu)化）

3. 實驗結(jié)果

4. 總結(jié)

5. 未來工作

Talk·提問交流

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻，我們都會給予你相應的i豆積分，還會有驚喜獎勵哦！
方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

詹靖濤目前為清華大學計算機系的在讀博士生，于2020年獲得清華大學學士學位。他的研究方向是信息檢索，目前專注于提升稠密向量檢索模型的有效性、效率和可解釋性。他在頂級IR會議上發(fā)表了若干篇論文，包括SIGIR、theWebConf、WSDM和CIKM，曾獲得WSDM 2022最佳論文獎。

個人主頁：

https://jingtaozhan.github.io/

關于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其學習成長。 期待這里可以成為你學習AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！

更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ