一篇新的研究论文提出了一个两阶段框架来解决信息检索中伪相关反馈（PRF）的不透明性。该框架首先涉及108名用户的参与式审计，结果显示PRF仅使约20.9%的查询受益，而对25.6%的查询产生负面影响。第二阶段利用基于LLM的重排器自动预测用户派生的标签，从而能够对PRF决策进行可扩展的检查。这种方法旨在将PRF从一个不透明的组件转变为一个可审计的、以用户为基础的系统。 AI
影响 这项研究通过改进PRF的应用方式，有可能带来更透明、更有效的信息检索系统。
排序理由 该集群包含一篇详细介绍信息检索新框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
