paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
MC

Maria Diana Calugaru

SIGIR 2026效率与系统可解释性评测与基准
新星分新星
51
一作贡献30
核心/参与0
方向广度6
合作网络3
1 一作 · 1 篇 · SIGIR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作SIGIR 2026Poster· Information Retrieval (Short)

Load-sensitive Selective Pruning in Dense Retrieval

Maria Diana Calugaru · Federico Siciliano · Francesca Pezzuti · Nicola Tonellotto · Fabrizio Silvestri

摘要

We introduce a load-aware selective embedding-pruning method to be used in dense retrieval systems. Our method adapts the embedding dimensionality at inference time based on per-query deadlines and the current queue occupancy. Under light load, full-dimensional embeddings maximise effectiveness;...

效率与系统可解释性评测与基准OpenReview

常见合作者