信息检索系统常用学习排序模型响应用户查询，但面临冷启动和用户行为变化的问题。我们提出BayesCNS，一种贝叶斯方法，通过在线学习解决这些挑战。BayesCNS估计用户与项目的交互先验分布，并通过排名模型指导探索相关项目。实验表明，该方法在大规模搜索系统中有效，提高了新项目的交互和整体成功率。

AIxiv专栏介绍了排序模型中的双编码器和交叉编码器架构，以及以ColBERT为代表的延迟交互模型。ColBERT采用双编码器策略，提供高效的排序性能和精准的搜索排序结果。Infinity数据库提供了端到端的ColBERT方案，通过Tensor数据类型和Tensor Index技术优化计算性能。评测结果表明，ColBERT作为Reranker能够显著提升搜索结果质量。ColBERT及其延迟交互模型在RAG场景具有应用价值。