How Calibration Content Shapes Attention-Based Reranking¶

将query+instruction、instruction-inclusive null、bare null三次读出分解，按λ插值应移除的instruction footprint；λ0仍是bare-null校准，不等于无校准。本地只实现对齐document分数的式4–7，不跑LLM注意力/正式排序benchmark，也不作为有线上AB的工业adapter。

论文信息¶

字段	内容
论文链接	arXiv 2609.17764 v1；固定核对版本 v1
公司 / 机构 / 学校	一作 Petros Karypis：UC San Diego。固定v1 PDF/正文一作邮箱pkarypis@ucsd.edu、脚注Google internship；Hossein Rajaby Faghihi/Yan Zhu为Google，Peter Chen/Rui Zhu/Noveen Sachdeva为Google DeepMind。
首次公开日期	2026-09-15 19:12:58 UTC（arXiv v1）
本轮版本	本轮方法核对固定v1。
原作者代码	固定v1及精确标题检索未找到作者方法仓库，源码SHA/许可证不可核验；不是把ICR/QRHeads基线仓库当本论文方法开源；未找到作者方法源码；论文CC BY4.0
本地 adapter / 稳定键	`interpolated-null-calibration`；`adapter: null`；`component_only`
本地复现代码目录	`src/auto_research/foundation_models/interpolated_null_calibration.py`
完整实验	成本过高，不复现（审查 DONE），不进入自动重试或实现队列

原始论文总结¶

背景与主要改动¶

固定v1 Section3 Eq4–7：ΔN=s(empty,I)−s(empty,empty)，Sλ=s(q,I)−[λs(empty,I)+(1−λ)s(empty,empty)]；λ1标准ICR、λ0bare-null。调用方真实三pass提分数并保证doc identity对齐；λ只能validation选。论文oracle λ对全数据查询调参，不能当独立test结果。

flowchart LR
  A[显式外部输入] --> B[论文定义的核心算子]
  B --> C[独立公式与负控核验]
  C --> D[L1机制证据而非能力提升]

原论文关键图¶

Figure 1，固定v1第2页。图片来自原论文，版权归原作者所有；保留原图科学内容与标注，未重绘。来源、裁切与SHA256。

核心公式¶

三次真实模型pass分别为query+instruction、instruction-inclusive null和bare null，document身份/顺序须对齐： $$ \Delta_N=s(\varnothing,I)-s(\varnothing,\varnothing),\quad S_\lambda=s(q,I)-[\lambda s(\varnothing,I)+(1-\lambda)s(\varnothing,\varnothing)]. $$ $\lambda=1$ 是标准ICR校准，$\lambda=0$ 仍减bare null，不是无校准。本地只操作调用方提供的三pass分数，不伪造注意力权重或自动生成相关性。$\lambda$必须validation选择；原文oracle $\lambda^\star$ 对数据集查询最大化nDCG，不能当独立test能力结果。

论文离线与线上效果¶

原文结论来自其真实模型、数据与协议；本页未运行完整矩阵，不将原文指标抄成“本地实测”。未报告生产线上 A/B。

本地复现¶

输入是已有三次模型attention读出的、相同doc ID顺序下的分数。本地实现Eq4–7及稳定ranking，没有真实attention extractor、ICR outlier filter/QRhead选择、LLM加载或工业线上A/B；因此归基础模型研究而非工业搜广推adapter。

PYTHONPATH=src python -c 'from auto_research.foundation_models.interpolated_null_calibration import diagnostic; print(diagnostic(42))'
python -m pytest tests/test_google_emnlp25_foundation.py

diagnostic(seed, device='cpu')只执行生成数据上的独立公式/负控。CUDA路径必须由真实A100/A30执行，CUDA不可用时失败、不回退CPU；本轮验收以提交的冻结源码三种子原始结果和GPU收据为准。指标是算子误差、梯度/参数更新或scorer对照，不是正式模型accuracy、写作质量、跨语言能力或Evolve晋级证据。

复现边界¶

Gemma3-4B/Qwen3-4B/Llama3.1-8B/Qwen3-14B，top100每doc130tokens、16Kcontext三prefill，多benchmark/5fold/λ网格/QRhead选择；单A10040GB配置。完整模型加载和广泛矩阵超短时组件预算；不宣称真实retrieval改善。

成本过高，不复现（审查 DONE）。以上为论文配置/资源判断，未为了测成本而启动完整试跑。本地小张量或CPU协议通过不等于完整方法/数据管线或benchmark已接入；diagnostic_only=true、promotion_eligible=false、evolve_integrated=false。

本轮来自Google EMNLP官方会议页的历史线索补漏，不是今天新首发，也不单凭会议页就认定作者具有Google署名；机构证据在信息块逐条注明。