English(EN) EviQE: Evidence Selection for LLM-Based Query Expansion

EviQE方法通过选择相关文档来改进LLM查询扩展

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 00:52

研究人员开发了EviQE，一种用于改进基于大型语言模型（LLM）的查询扩展的新颖方法，该方法侧重于为模型选择要处理的相关文档。这种方法将证据选择与生成阶段分开，将不同的重构器视为互补的检索视角。在TREC DL和BEIR基准测试中的实验表明，EviQE，特别是使用LLM-Score的基于相关性的证据选择，显著优于直接重构和单源扩展方法。研究发现，汇集来自多个重构器的候选者可以增加相关文档的覆盖范围，并且在选择了强条件证据后，后续的检索-生成轮次几乎没有额外的收益。 AI

影响该方法可以提高LLM驱动的系统所生成搜索结果的精度和相关性。

排序理由该条目是一篇学术论文，详细介绍了一种使用LLM进行信息检索的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种使用LLM进行信息检索的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 12 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Ebrahim Bagheri · 2026-09-14 00:52

EviQE：基于LLM的查询扩展的证据选择

LLM-based query expansion increasingly conditions reformulation on documents retrieved from the target corpus, yet most work focuses on how to generate expansions rather than which documents the model should read. We propose EviQE, which aggregates documents retrieved by multiple…

本文如何被排名

报道来源 [1]

EviQE：基于LLM的查询扩展的证据选择

相关实体

相关话题