文本匹配作为一项非常经典的任务，在学界和工业界都有大量的研究和引用，如在检索系统中的各个环节（召回、排序等）。

本文通过一些论文，回顾语言模型文本匹配的工作，介绍一下不同方向文本匹配的主流方法。

探寻文本匹配的魅力，从学术到产业，它无处不在。无论是检索系统的提升还是排序算法的优化，文本匹配一直是研究和应用的热门话题。本文将带您穿越语言模型文本匹配的奇妙世界，探讨不同方向的主流方法。

目录

• 匹配模型
  • A Deep Architecture for Matching Short Texts
  • A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval
  • A Deep Relevance Matching Model for Ad-hoc Retrieval
  • DeepRank: A New Deep Architecture for Relevance Ranking in Information Retrieval
• 双塔
  • Semantic Text Matching for Long-Form Documents
  • RocketQA: An Optimized Training Approach to Dense Passage Retrieval for Open-Domain Question Answering
  • PAIR: Leveraging Passage-Centric Similarity Relation for Improving Dense Passage Retrieval
  • RocketQAv2: A Joint Training Method for Dense Passage Retrieval and Passage Re-ranking
  • Pre-trained Language Model for Web-scale Retrieval in Baidu Search
  • 小小的总结
• 交互式
  • ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT
  • ColBERTv2: Effective and Efficient Retrieval via Lightweight Late Interaction
  • PLAID: An Efficient Engine for Late Interaction Retrieval

PS ： 发现一款很棒的AI PPT工具Gamma，本文就是在Gamma的辅助下生成的，希望大家喜欢。