超越相关性检索：面向评测标准的文档集合选择与排序

论文指出，面向大模型和智能体的检索不能只独立评估文档并汇总nDCG，还必须处理冗余、冲突与互补关系。作者提出包含约2.8万条评测标准的SetwiseEvalKit，并评测12种重排序器；最佳方法覆盖率不超过45%。无训练方法Rubric4Setwise将评测标准转化为集合选择信号，在短、长文本场景中以更少文档和搜索轮次取得最佳下游生成表现。