研究人员推出了一种名为ADORE的迭代框架，旨在增强基于大型语言模型（LLM）的信息检索查询扩展。与可能导致检索漂移的生成驱动方法不同，ADORE使用检索结果作为后续扩展轮次的反馈。此迭代过程包括由LLM生成段落、检索器评估语料库响应以及相关性评估器根据原始查询判断检索到的文档。ADORE在包括TREC Deep Learning、BEIR和BRIGHT在内的多个基准测试中展示了显著的性能提升，优于BM25等传统方法和之前的查询扩展技术。 AI
影响 这种迭代的查询扩展方法可能导致LLM驱动的信息检索系统获得更准确、更相关的搜索结果。
排序理由 该集群包含一篇详细介绍LLM查询扩展新框架的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.13905v1 Announce Type: cross Abstract: LLM-based query expansion improves retrieval by enriching the original query with additional context. Yet most methods remain generation-driven, producing plausible pseudo-documents or expansions without checking how the target co…
LLM-based query expansion improves retrieval by enriching the original query with additional context. Yet most methods remain generation-driven, producing plausible pseudo-documents or expansions without checking how the target corpus responds. This can introduce retrieval drift,…