大语言模型-文本检索任务基准 BEIR

BEIR

(A Heterogeneous Benchmark for Zero-shot Evaluation of Information Retrieval Models)
文本检索任务的基准，使用18 个数据集为检索系统的零样本评估提出了一个标准化基准， BEIR 基准上在9个不同领域的检索任务评估 10 种不同的检索方法。

九个不同领域的检索任务，如下:

• 1、事实核查（Fact checking）
• 2、引文预测（Citation prediction）
• 3、重复问题检索（Duplicate question retrieval）
• 4、论据检索（Argument retrieval）
• 5、新闻检索（News retrieval）
• 6、问题回答（Question Answering）
• 7、推文检索（Tweet retrieval）
• 8、生物医学检索（Bio-Medical IR）
• 9、实体检索（Entity retrieval）
  

BEIR来评估来自五大架构的十种不同的检索方法，其中的五大架构如下：

• 1、词法（lexical）
• 2、稀疏（sparse）
• 3、密集（dense）
• 4、后期交互（late interaction）
• 5、重排序（re-ranking）

BEIR来评估的十种不同的检索方法，如下：

1. BM25 (Anserini) https://github.com/castorini/anserini
2. DeepCT http://boston.lti.cs.cmu.edu/appendices/arXiv2019-DeepCT-Zhuyun-Dai/
3. SPARTA https://huggingface.co/BeIR/sparta-msmarco-distilbert-base-v1
4. DocT5query https://huggingface.co/BeIR/query-gen-msmarco-t5-base-v1
5. DPR (Query) https://huggingface.co/sentence-transformers/facebook-dpr-question_encoder-multiset-base
6. DPR (Context) https://huggingface.co/sentence-transformers/facebook-dpr-ctx_encoder-multiset-base
7. ANCE https://huggingface.co/sentence-transformers/msmarco-roberta-base-ance-firstp
8. TAS-B https://huggingface.co/sentence-transformers/msmarco-distilbert-base-tas-b
9. ColBERT https://public.ukp.informatik.tu-darmstadt.de/thakur/BEIR/models/ColBERT/msmarco.psg.l2.zip
10. MiniLM-L6 (CE) https://huggingface.co/cross-encoder/ms-marco-MiniLM-L-6-v2

(1)BEIR基准的十种不同的检索方法在领域上数据集上的表现：

(1)BEIR基准的十种不同的检索方法的性能开销

结论：

1、发现没有任何一种方法在所有的数据集上都能持续胜过其他方法。
2、一个模型的领域内性能与它的泛化能力并不相关：用相同的训练数据进行微调的模型可能会有不同的泛化能力。
3、发现性能和计算成本之间的权衡：计算成本高的模型，如重排模型和后期交互模型表现最好。更有效的方法，如基于密集或稀疏嵌入的方法，可以大大低于传统的词汇模型，如BM25的表现。
4、未来的工作需要更好的无偏见的数据集，允许对所有类型的检索系统进行公平的比较。

参考

BEIR: A Heterogeneous Benchmark for Zero-shot
Evaluation of Information Retrieval Models