语义分块RAG方法通过计算句子间的语义相似度进行智能分块，从而提高检索精度。该方法利用百分位数等技术识别语义断点，将文本划分为连贯的块，并支持多种断点检测方式。

本文提出了一种新方法GeAR，解决了传统文档检索中对语义相似度和细粒度语义关系的忽视。GeAR通过融合与解码模块生成相关文本，专注于细粒度信息，且无额外计算负担，展现出优越的检索性能。

本文介绍了如何在Python中构建基本的重排序系统，以提高信息检索的相关性和准确性。通过定义文档类和重排序函数，结合用户查询的嵌入向量，计算文档的语义相似度和初始分数，最终生成排序后的文档列表。该系统可与检索增强生成（RAG）模型集成，优化用户响应。

该研究探讨了神经网络语言模型在计算俄语语义相似度中的应用，分析了不同模型的性能，并提出了新的评估资源和基准测试，以提升俄语自然语言处理的效果。

本文探讨了在科学文本分类中使用共引作为相似度度量的方法，结合领域特定微调和专家混合的通用适应性，显著提升了文本分类性能。同时，研究了预训练语言模型BERT的几何特征，提出了改进句子嵌入的方法，增强了语义文本相似度任务的表现。

本文探讨了余弦相似度在高维对象语义相似度量化中的表现，指出其可能导致无意义的相似度，建议谨慎使用并提出替代方法。同时比较了不同相似度计算方法的优缺点，强调基于排名的度量方法在聚类质量上的优势。

本文探讨了基于Transformer模型的语义相似度评估框架，分析了多种自然语言生成和问答系统的质量评估方法。研究发现，基于n-gram的机器翻译度量与人工评估一致性最高，而Word Mover Distance是有效的语义相似性测量方法。此外，提出了一种无监督质量估计方法，以提高机器翻译的质量评估效率。

本文介绍了多种无监督学习方法，如弱监督自动摘要评估、结构感知负采样和对比学习，强调这些方法在文本表示和检索性能上的显著提升，尤其在语义相似度和开放领域问答中的应用效果。

该文汇总了多项文本嵌入研究：GTE通过多阶段对比学习提升通用嵌入性能；PEG用逐步学习增强检索；NewsEmbed结合对比学习与多标签分类；GRIT让大模型兼顾生成与嵌入并在MTEB领先；另有方法利用软负样本、共引数据等改进语义相似度与科学文本分类。

该文汇总多项SemEval语义相似度研究：BUT-FIT团队在SemEval 2020任务4中，子任务C基于序列到序列模型排名第一，子任务A、B采用预训练模型与数据增强；此外还涉及跨语言情感分析、STR-2022数据集、注意力循环网络、多语言信息检索及社区问答等研究。

该文汇总多项语义相似度与相关性研究，涵盖STR-2022的5500个英文句对比较注释框架、SimRelUz低资源语言语义模型评估、含五个数据集及首个开放词库的俄语语义相关性资源、QuaRel概念框架与零样本模型、塔塔尔语和越南语低资源评估资源，以及SRL语料自动构建、RelateLM跨语言迁移和基于主观注释的句子相关性学习模型。

该文综述大语言模型在语义相似度与文本生成评估中的应用：生成式模型在特定领域STS任务中优于编码器模型；LLMScore、INSTRUCTSCORE等实现可解释、多层次的自动评估，与人类判断相关性更高；LLMBar等元评估基准揭示评估器差异，并提出提示策略缩小与人类差距；MSTemp通过元语义模板检测数据污染，降低模型性能。

该文综述多项词汇语义研究：AntSynNET利用词汇-句法模式与合成语法树区分词汇关系；将词汇对比融入分布式向量以区分反义词与同义词；基于语料库统计识别反义词对及语义差异；用机器学习识别类比、近义词等；分析语篇异议与让步关系；提出SYNONYMNET同义词发现框架；用语言模型标注WordNet同音异义词；以深度度量学习改进语义相似度推断；指出自然语言推理模型难以理解介词、动词、反义词等；并结合类比模式与编码器-解码器预测屈折形式。

本文提出了一种用户可控机制，通过数值标签度量词汇重叠度和语义相似度，控制 LLM 对外部知识的依赖程度，实验证明该方法有效，强调了增强 LLM 的多功能性和准确性平衡的潜力。