研究人员推出 Re$^3$Rank,这是一种新颖的列表重排器,旨在通过对检索头进行推理轨迹条件化来改进信息检索。该方法涉及一个生成器,该生成器针对问题和候选文档生成推理轨迹,然后由选定的检索头使用该轨迹来评估相关性得分。该系统使用直通估计器进行端到端训练,以优化生成器和评分器在排序任务中的表现。实验表明,Re$^3$Rank 的性能显著优于现有重排器,其中一个 0.6B 参数的版本超越了许多更大的模型,而一个 4B 参数的版本比最强的基线提高了 3.11 的 NDCG@10。 AI
影响 这种方法可以通过实现对查询-文档关系的更细致的理解来提高信息检索系统的准确性和效率。
排序理由 该项目是一篇研究论文,详细介绍了一种新的文档重排方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- Re$^3$Rank
- RRHeads
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →