في عالم استرجاع المعلومات، يُعتبر التصنيف أولى الخطوات الحاسمة، وغالبًا ما تفتقر التقنيات التقليدية لفاعلية جيدة عند العمل في بيئات خالية من الموارد. ورغم تقدم استرجاع الوثائق الكثيفة، إلا أن أساليب التصنيف الحالية تواجه تحديات حقيقية.ففي محاولة للتغلب على هذه العقبات، قدم الباحثون تقنية جديدة تُعرف باسم DART، والتي تعني استرجاع كثيف تكيفي في وقت الاختبار.تعمل DART على تحسين التصنيف عبر تغيير دالة التقييم أثناء عملية الاستدلال. توظف التقنية أفضل الوثائق المصنفة لاستنتاج أمثلة إيجابية زائفة، وأدنى الوثائق لتوليد أمثلة سلبية زائفة. وهذا يتيح تقديم إشراف غير دقيق لكن متاح بسهولة لتكييف مصفوفة التقييم القائمة على الثنائي من خلال تحديثات بسيطة في نماذج التعلم.كما تم تقديم خسارة هامش مثبتة بالثقة وذاكرة زخم عبر الاستفسارات، مما يسهل عملية التكيف بين الاستفسارات. وقد أثبتت النتائج على ستة اختبارات مختلفة أن DART تُحقق تحسينًا متوسطًا قدره 2.1% في أداء NDCG@10 بالنسبة لاسترجاع الكثافة التقليدية، مع زمن استجابة أقل من 10 مللي ثانية لكل استفسار. مما يدل على قدرة قوية لتعزيز الأداء بدون تدريب مسبق وعمليات تعميم عبر مجالات مختلفة. هذه التقنية الجديدة ليست مجرد اختراق في مجالي الذكاء الاصطناعي، بل تمثل خطوة مهمة نحو تحسين الاسترجاع في السيناريوهات الصعبة.