May, 2024

超越相关性：评估和提升具备观点感知的检索模型

PDF
TL;DR信息检索任务要求系统根据用户的信息需求识别相关文档。这项研究探讨了检索系统是否能够识别和回应查询的不同视角，以及利用几何特征改善检索系统的视角意识。
information retrievalretrieversperspectivesqueriesbenchmark
发现论文，激发创造
  • 神经检索器与超越：论文提案

    本篇论文提出三个方面的方法，包括新的模型架构、IR 导向的预训练任务、生成大规模训练数据，以解决神经检索器面临的问题，并探讨了多模式查询的未来研究方向和相应的解决方法。

    May, 2022

  • 多视角搜索引擎的设计挑战

    本篇论文探讨了如何将自然语言理解与文档检索相结合，提出了面向角度的文档检索范式。基于此范式实现了一个原型系统，通过用户调查评估了其实用性以及针对争议性问题的信息需求。

    Dec, 2021

  • 知识密集型任务的多任务检索

    本文介绍了一个多任务学习的神经检索模型，该模型在少样本、领域内外多种问题下表现良好，能够有效地检索到相关上下文信息，并且在多个基准测试中实现了与或优于目前的最新技术结果。

    Jan, 2021

  • 从不同角度看问题：探索关于声明的多元视角

    论文探讨信息革命的一个关键后果是信息供应的大量增加和污染。我们提出了一个基于自然语言理解的任务，即建立一个包含主张、观点和证据段落的数据集，以便更好地理解有争议的问题。通过在线辩论网站、搜索引擎和众包，本研究构建了名为 PERSPECTRUM 的数据集，用以解决主张的支持观点的发现，具有挑战性和机遇性。

    Jun, 2019

  • 可解释的贝叶斯多视角生成检索

    现代确定性检索管道通过集中追求最先进的性能，但在决策过程中往往缺乏可解释性。本文将不确定性校准和可解释性引入检索管道，通过引入贝叶斯方法和多角度检索来校准检索管道中的不确定性。我们结合 LIME 和 SHAP 等技术分析黑盒子再排模型的行为，并用这些解释方法得到的重要性分数作为补充关联分数来增强基本再排模型。通过在问答和事实核查任务上对不确定性校准和可解释性再排的评估，我们的方法在三个 KILT 数据集上展示了显著的性能提升。

    Feb, 2024

  • RAR-b: 推理作为检索的基准

    通过将推理任务转换为检索任务，我们发现，即使没有针对推理级别的语言理解进行专门训练，目前最先进的检索模型在协助 LLMs 的角色上可能仍然远离胜任，特别是在推理密集型任务中。然而，最近基于解码器的嵌入模型在弥合这一差距方面表现出巨大潜力，突显了嵌入模型实现推理级别语言理解的路径。通过微调重新排序模型将推理能力注入其中似乎比对双编码器进行类似操作更容易，我们能够在所有任务中通过微调重新排序模型实现最先进的性能。我们发布由整体任务和设置组成的推理作为检索基准（RAR-b），用于评估检索模型中存储的推理能力。

    Apr, 2024

  • 更好的检索并不一定会导致更好的问答

    本文针对欧洲议会选举的数据进行建模，提出了一种基于随机森林和多层感知器神经网络相结合的方法，去完成对选民意向的预测任务，该模型相比其他模型具有更好的预测准确度和稳定性。

    May, 2022

  • 在检索相关文档的分析上，解决不平衡分类问题的方法比较

    研究比较了基于关键词列表、查询扩展技术、基于主题模型的分类规则以及主动有监督学习四种不同的检索方法，结果表明：基于关键词列表的检索方法容易出现偏见，而主动有监督学习方法在使用合适数量的已标记训练实例时，能够显著提高检索效果。

    May, 2022

  • 从阅读器向检索器提取知识以作问答之用

    本文提出了一种受到知识蒸馏启发的学习信息检索器的技术，在没有标注的查询和文档对的情况下，利用阅读器模型的注意力分数来获得检索器的合成标签，用于下游任务，最终在问题回答方面达到了最先进的结果。

    Dec, 2020

  • 检索有益还是有害？对语言模型检索增强效果的深入研究

    通过研究大型语言模型的自身限制以及外部信息检索的有效性，本研究构建了一个新的问答数据集 WiTQA，以探索实体和关系的组合对于信息检索和知识回忆方面的影响，从而提出了一个基于实体和关系频率的自适应检索系统。

    Feb, 2024