CoDeR: Local Constraint-Compatible Retrieval Beyond Semantic Similarity
CoDeR：分离主题与约束的局部兼容稠密检索
🧭 约束兼容信息检索，分离主题与约束
University of Hong Kong · University of Science and Technology Beijing
提出将主题相关性与约束兼容性解耦的双编码器检索方法，专门减少违反负约束的文档暴露
📌 工作参考价值（4 点）
- 电商搜索中处理否定约束（如“不含酒精”、“非转基因”）：可独立训练兼容性评估器，对召回的商品根据约束兼容性重排或过滤，避免返回违反要求的商品。
- 在构建Agent的检索组件时，对于用户带有硬约束的查询（如“不要推荐含糖饮料”），可直接采用CoDeR的双编码器架构，无需调用LLM，推理成本低。
- 可用对比学习和词汇极性信号（如反义词对）监督训练兼容性模型，方法简单有效，可迁移至各类产品属性约束。
- 重排和单独检索兼容性候选两种模式灵活，适用于不同时延要求：重排适合在线快速筛选，单独检索适合离线生成高质量候选集。