기업 검색 시스템은 의미 불일치와 중복 용어로 인해 정확한 도메인별 정보를 검색하는 데 어려움을 겪는다. 이는 지식 관리, 고객 지원 및 검색 증강 생성 에이전트와 같은 다운스트림 애플리케이션의 성능을 저하시킬 수 있다. 본 논문은 도메인별 기업 데이터에 맞춰 확장 가능한 하드 네거티브 마이닝 프레임워크를 제안한다. 이 방법은 배포된 재순위 지정 모델을 향상시키기 위해 의미적으로 어렵지만 문맥적으로는 무관한 문서를 동적으로 선택한다. 다양한 임베딩 모델을 통합하고, 차원 축소를 수행하며, 하드 네거티브를 독창적으로 선택하여 계산 효율성과 의미 정밀도를 보장한다. 자체 기업 코퍼스(클라우드 서비스 도메인)에 대한 평가 결과, 최첨단 기준 및 다른 네거티브 샘플링 기법에 비해 MRR@3에서 15%, MRR@10에서 19%의 상당한 성능 향상을 보였다. 공개 도메인별 데이터 세트(FiQA, Climate Fever, TechQA)에 대한 추가 검증을 통해 본 방법의 일반화 가능성과 실제 애플리케이션 준비성을 확인했다.
