ResRank

LLM驱动的查询重构的复现性研究

两篇新研究论文探讨了大型语言模型（LLMs）在信息检索中的应用和效率。第一篇论文是一项复现性研究，评估了十种基于LLM的查询重构方法在各种检索范式和LLM规模下的表现，发现收益高度依赖于检索方法，并且更大的模型不一定表现更好。第二篇论文介绍了ResRank，一个统一的框架，它将段落压缩成单一的嵌入向量，用于高效的列表重排序，解决了将全文输入LLM相关的延迟瓶颈和质量下降问题。