这项由ServiceNow公司的Nima Sheikholeslami领导的研究团队完成的突破性工作，发表于2025年9月30日的arXiv预印本平台（论文编号：arXiv:2510.00137v1）。感兴趣的读者可以通过该编号查询完整论文。这项研究揭开了当前AI检索系统的一个重大缺陷，并提出了一种全新的训练方法，让搜索引擎能够给出更可靠、更一致的相关性评分。
在日常使用搜索引擎或问答系统时，你是否遇到过这样的困扰：明明搜索的是同一个问题，但系统给出的答案质量却忽高忽低，有时候不相关的内容反而排在前面？这个问题的根源其实隐藏在AI检索系统的核心训练机制中。目前主流的检索系统就像一个只会相对比较的评委，它能判断在同一个问题下哪个答案更好，但无法给出绝对的好坏评分。这就导致了一个尴尬的局面：对于不同问题的答案，系统无法进行跨问题的质量比较。
ServiceNow的研究团队发现，这个问题源于目前广泛使用的对比学习方法。这种方法就像让学生只做选择题，永远不做绝对评分题。学生虽然能在给定选项中选出最好的答案，但无法给每个答案一个独立的分数。更严重的是，研究团队通过严格的数学证明发现，现有的训练方法在提升检索质量这个核心
