本期为TechBeat人工智能社区第403期线上Talk。北京时间5月5日(周四)20:00，清华大学在读博士生——詹靖涛的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “基于联合优化编码和索引的高效向量检索模型”，届时将介绍目前基于联合优化来提升向量检索有效性的相关研究。

Talk·信息

主题：基于联合优化编码和索引的高效向量检索模型

嘉宾： 清华大学在读博士生詹靖涛

时间：北京时间 5月5日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/QReKddno至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·提纲

近年来，稠密向量检索技术逐渐成为重要的第一阶段检索的技术。通过把查询和文档表征为稠密向量，这一技术取得了比传统检索方法更好的召回结果。然而，基于稠密向量的暴力搜索会导致巨大的存储和计算开销，使得这一检索技术较为低效。本次Talk介绍目前基于联合优化来提升向量检索有效性的相关研究。这些研究对表征进行乘积量化，从而提升了存储和计算的效率。同时，编码器和乘积量化算法会进行联合优化，这使得检索性能不会因为量化而损失。研究表明，这种方法可以在大大提升检索效率的同时几乎不损害检索性能。

具体分享提纲如下：

1. 背景知识：双塔模型，PQ

2. RepCONC模型：第一阶段的联合训练（侧重可导的优化），第二阶段的联合训练（侧重端到端的优化）

3. 实验结果

4. 总结

5. 未来工作

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

詹靖涛目前为清华大学计算机系的在读博士生，于2020年获得清华大学学士学位。他的研究方向是信息检索，目前专注于提升稠密向量检索模型的有效性、效率和可解释性。他在顶级IR会议上发表了若干篇论文，包括SIGIR、theWebConf、WSDM和CIKM，曾获得WSDM 2022最佳论文奖。

个人主页：

https://jingtaozhan.github.io/

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ