QaECTER 與 Sophia-bench：小型嵌入式模型重塑專利檢索
專利檢索長期缺乏反映實務多樣性的基準。本研究推出 Sophia-bench，跨十年、涵蓋八個 IPC 區段與十二司法管轄，並以 InScope 衡量領域相關度；同時發布 344M 參數嵌入模型 QaECTER，基於引用圖與多視角自我對齊訓練，在多項基準上超越現有模型，顯示小型嵌入模型具實務部署潛力。
重點一：打造符合實務的專利檢索基準
研究團隊提出 Sophia-bench，一個針對專利檢索的百萬級評測框架。該基準收錄 10,000 個查詢與 75,000 篇語料，橫跨十年資料、涵蓋八個 IPC 技術區段與十二個申請司法管轄，並測試 12 種查詢類型，從結構化專利欄位到 AI 生成的摘要都在評測範圍內。
為了更貼近專利實務，評測使用以引用為基準的判定作為地面真相，並引入 InScope 領域相關度指標，讓檢索效果可在技術領域與司法背景上被系統性衡量。
重點二：小型嵌入模型 QaECTER 的實務表現
同場發表的 QaECTER 是一個 344M 參數的嵌入模型，訓練採用專利引用圖與多視角自我對齊策略。儘管參數量相對精簡，QaECTER 在 Sophia-bench 上對所有查詢類型、IPC 區段與司法管轄均超越既有專利專用模型，平均 NDCG@10 最多提升 7.2%。此外，QaECTER 在獨立外部基準也創下領先成績，且無需任務特定的提示工程即可運行。
影響與應用面向
兩項成果皆以實務部署為導向，意在讓大型專利搜尋系統能更可靠地面對不同查詢形式與技術領域。研究結果暗示：透過專業領域的圖結構與自我對齊訓練，即便是較小的嵌入模型，也能在專利檢索任務上達到或超越更大型模型的成效，對需要在實務環境中快速部署與維護的系統具有吸引力。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
