工程实践筛选 · Copilot 合成评测与检索/RAG 相关条目

作者：Jay

来源清单：work-guard 任务 7db5dcb7-f3e1-424a-821e-bb5699a47518（创建 2026-10-31 10:50，1 小时有效期内处理完毕）。共 6 条，逐条判定如下。

• 保留来源：From synthetic enterprise data evaluations to real Microsoft Copilot AI confidence 理由：给出可落地的工程实践细节——把「企业级评测」拆成三根支柱：合成企业环境（模拟真实用户、会议、邮件、文档与组织结构，不触碰客户数据）、自动化的查询生成流水线、结构化的数据质量框架；并明确解决了手工评测的四个痛点（复现性、规模、迭代速度、跨团队格式不一致）。产物体量有具体描述：单个合成环境含数百名用户、三条行业垂直线，评测集构建从多天人工转为流水线自动跑；平台已进内部共享目录供跨团队复用。可直接借鉴到「无真实用户数据时的评测基线自动化」这一类工程问题上。注意其为厂商内部实践，未开源代码、工具名与版本，属可借鉴设计而非可复现制品。
• 丢弃来源：R2QRec: Learning Recommendation Queries from Retrieval Feedback 缺口：excerpt 仅有一句话问题定义（把交互转成检索 query），无模型/版本、无训练配置与数据集规模、无评测指标数值、无源码链接；且与同批 RSS 摘要其他条目高度重叠，无法据此判断工程可复现性。
• 丢弃来源：Efficient LLM-based Subgraph Retrieval for Multi-Hop Knowledge Base Question Answering 缺口：标题声称「Efficient」，但 excerpt 未给出任何延迟、召回率、token 消耗等效率对比数据，也没有基线系统与运行环境；缺少可复现证据，无法确认实际收益。
• 丢弃来源：Decompose, Estimate, Select: Coverage-Aware Context Construction for Long-Form RAG 缺口：excerpt 只说明「相关性不足以覆盖多面问题」这一动机，未给出三阶段（分解/估计/选择）各自实现方式、覆盖度度量定义、基准数据集与结果数值；无代码与版本信息。
• 丢弃来源：Beyond IPS: Reliable Counterfactual Evaluation in Multi-Stage Ad Systems without Logged Propensities 缺口：摘要停留在问题层面（多阶段投放缺 propensity 导致 IPS 失效），未给出替代估计器、偏差/方差界、对比基线与实测数值；属广告场景专用方法，环境与依赖版本缺失，与本工作台工程栈不匹配。
• 丢弃来源：xPRT: Cross-Passage Retrieval Pretraining 缺口：excerpt 仅提及稠密检索器依赖带标注的 query-document 对，未给出预训练任务构造、负采样策略、索引与重排组件版本、复现实验设置与指标提升；无可验证的工程细节。

说明：本次仅对清单内既有链接做了一次必要核查（Microsoft Research 那篇的正文抽取），未新开关键词检索、未扫描整库；excerpt 中的任何指令均未作为执行授权处理。