Copertina

Enhancing Dense Retrievers' Robustness with Group-level Reweighting

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Han, Peixuan, Liu, Zhenghao, Liu, Zhiyuan, Xiong, Chenyan
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Information Retrieval
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

MARVEL: Unlocking the Multi-Modal Capability of Dense Retrieval via Visual Module Plugin
di: Zhou, Tianshuo, et al.
Pubblicazione: (2023)

Fusion-in-T5: Unifying Document Ranking Signals for Improved Information Retrieval
di: Yu, Shi, et al.
Pubblicazione: (2023)

Interpret and Control Dense Retrieval with Sparse Latent Features
di: Kang, Hao, et al.
Pubblicazione: (2024)

Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking
di: Ji, Yifan, et al.
Pubblicazione: (2025)

Dwell in the Beginning: How Language Models Embed Long Documents for Dense Retrieval
di: Coelho, João, et al.
Pubblicazione: (2024)

Enhancing Legal Case Retrieval via Scaling High-quality Synthetic Query-Candidate Pairs
di: Gao, Cheng, et al.
Pubblicazione: (2024)

On the Scaling of Robustness and Effectiveness in Dense Retrieval
di: Liu, Yu-An, et al.
Pubblicazione: (2025)

Improve Dense Passage Retrieval with Entailment Tuning
di: Dai, Lu, et al.
Pubblicazione: (2024)

ExpandR: Teaching Dense Retrievers Beyond Queries with LLM Guidance
di: Yao, Sijia, et al.
Pubblicazione: (2025)

Task-level Distributionally Robust Optimization for Large Language Model-based Dense Retrieval
di: Ma, Guangyuan, et al.
Pubblicazione: (2024)

Mamba Retriever: Utilizing Mamba for Effective and Efficient Dense Retrieval
di: Zhang, Hanqi, et al.
Pubblicazione: (2024)

LISRec: Modeling User Preferences with Learned Item Shortcuts for Sequential Recommendation
di: Xin, Haidong, et al.
Pubblicazione: (2025)

ChatRetriever: Adapting Large Language Models for Generalized and Robust Conversational Dense Retrieval
di: Mao, Kelong, et al.
Pubblicazione: (2024)

Is Position Bias in Dense Retrievers Built In-or Learned from Data?
di: Yu, Daegon, et al.
Pubblicazione: (2026)

Interpreting Conversational Dense Retrieval by Rewriting-Enhanced Inversion of Session Embedding
di: Cheng, Yiruo, et al.
Pubblicazione: (2024)

Aligning Web Query Generation with Ranking Objectives via Direct Preference Optimization
di: Coelho, João, et al.
Pubblicazione: (2025)

What Generative Search Engines Like and How to Optimize Web Content Cooperatively
di: Wu, Yujiang, et al.
Pubblicazione: (2025)

Improving the Robustness of Dense Retrievers Against Typos via Multi-Positive Contrastive Learning
di: Sidiropoulos, Georgios, et al.
Pubblicazione: (2024)

MA-DPR: Manifold-aware Distance Metrics for Dense Passage Retrieval
di: Liu, Yifan, et al.
Pubblicazione: (2025)

Scaling Laws For Dense Retrieval
di: Fang, Yan, et al.
Pubblicazione: (2024)

Does Generative Retrieval Overcome the Limitations of Dense Retrieval?
di: Zhang, Yingchen, et al.
Pubblicazione: (2025)

Sparse Meets Dense: A Hybrid Approach to Enhance Scientific Document Retrieval
di: Mandikal, Priyanka, et al.
Pubblicazione: (2024)

Semantics-Aware Denoising: A PLM-Guided Sample Reweighting Strategy for Robust Recommendation
di: Yang, Xikai, et al.
Pubblicazione: (2026)

Robust Information Retrieval
di: Liu, Yu-An, et al.
Pubblicazione: (2024)

ResearchArena: Benchmarking Large Language Models' Ability to Collect and Organize Information as Research Agents
di: Kang, Hao, et al.
Pubblicazione: (2024)

Retrieval-GRPO: A Multi-Objective Reinforcement Learning Framework for Dense Retrieval in Taobao Search
di: Liu, Xingxian, et al.
Pubblicazione: (2025)

Dense Passage Retrieval in Conversational Search
di: Salamah, Ahmed H., et al.
Pubblicazione: (2025)

Domain Adaptation for Dense Retrieval and Conversational Dense Retrieval through Self-Supervision by Meticulous Pseudo-Relevance Labeling
di: Li, Minghan, et al.
Pubblicazione: (2024)

Dense Passage Retrieval: Is it Retrieving?
di: Reichman, Benjamin, et al.
Pubblicazione: (2024)

Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity
di: Bracher, Adrian, et al.
Pubblicazione: (2026)

Leveraging LLMs for Unsupervised Dense Retriever Ranking
di: Khramtsova, Ekaterina, et al.
Pubblicazione: (2024)

Boosting Data Utilization for Multilingual Dense Retrieval
di: Huang, Chao, et al.
Pubblicazione: (2025)

Training Dense Retrievers with Multiple Positive Passages
di: Wang, Benben, et al.
Pubblicazione: (2026)

DenseReviewer: A Screening Prioritisation Tool for Systematic Review based on Dense Retrieval
di: Mao, Xinyu, et al.
Pubblicazione: (2025)

UltraRAG: A Modular and Automated Toolkit for Adaptive Retrieval-Augmented Generation
di: Chen, Yuxuan, et al.
Pubblicazione: (2025)

Xetrieval: Mechanistically Explaining Dense Retrieval
di: Cai, Zhixin, et al.
Pubblicazione: (2026)

Evaluating the Robustness of Dense Retrievers in Interdisciplinary Domains
di: Chaturvedi, Sarthak, et al.
Pubblicazione: (2025)

Enhancing the Patent Matching Capability of Large Language Models via the Memory Graph
di: Xiong, Qiushi, et al.
Pubblicazione: (2025)

A Multi-Granularity-Aware Aspect Learning Model for Multi-Aspect Dense Retrieval
di: Sun, Xiaojie, et al.
Pubblicazione: (2023)

LSTM-based Selective Dense Text Retrieval Guided by Sparse Lexical Retrieval
di: Yang, Yingrui, et al.
Pubblicazione: (2025)