Copertina

Interpreting Conversational Dense Retrieval by Rewriting-Enhanced Inversion of Session Embedding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cheng, Yiruo, Mao, Kelong, Dou, Zhicheng
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Information Retrieval
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

ChatShopBuddy: Towards Reliable Conversational Shopping Agents via Reinforcement Learning
di: Cheng, Yiruo, et al.
Pubblicazione: (2026)

Generalizing Conversational Dense Retrieval via LLM-Cognition Data Augmentation
di: Chen, Haonan, et al.
Pubblicazione: (2024)

Learning Interpretable Legal Case Retrieval via Knowledge-Guided Case Reformulation
di: Deng, Chenlong, et al.
Pubblicazione: (2024)

CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation
di: Cheng, Yiruo, et al.
Pubblicazione: (2024)

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

A Survey of Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2024)

Session-level Normalization and Click-through Data Enhancement for Session-based Evaluation
di: Chen, Haonan, et al.
Pubblicazione: (2024)

History-Aware Conversational Dense Retrieval
di: Mo, Fengran, et al.
Pubblicazione: (2024)

MemSifter: Offloading LLM Memory Retrieval via Outcome-Driven Proxy Reasoning
di: Tan, Jiejun, et al.
Pubblicazione: (2026)

Grounding Language Model with Chunking-Free In-Context Retrieval
di: Qian, Hongjin, et al.
Pubblicazione: (2024)

RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation
di: Zhang, Haobo, et al.
Pubblicazione: (2026)

ConvSDG: Session Data Generation for Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2024)

CHIQ: Contextual History Enhancement for Improving Query Rewriting in Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2024)

IMRNNs: An Efficient Method for Interpretable Dense Retrieval via Embedding Modulation
di: Saxena, Yash, et al.
Pubblicazione: (2026)

Decoding Dense Embeddings: Sparse Autoencoders for Interpreting and Discretizing Dense Retrieval
di: Park, Seongwan, et al.
Pubblicazione: (2025)

Mixed-initiative Query Rewriting in Conversational Passage Retrieval
di: Yang, Dayu, et al.
Pubblicazione: (2023)

DailyQA: A Benchmark to Evaluate Web Retrieval Augmented LLMs Based on Capturing Real-World Changes
di: Cheng, Jiehan, et al.
Pubblicazione: (2025)

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

R$^3$AG: Retriever Routing for Retrieval-Augmented Generation
di: Zhao, Tong, et al.
Pubblicazione: (2026)

Query-oriented Data Augmentation for Session Search
di: Chen, Haonan, et al.
Pubblicazione: (2024)

LaSER: Internalizing Explicit Reasoning into Latent Space for Dense Retrieval
di: Jin, Jiajie, et al.
Pubblicazione: (2026)

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

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

A Surprisingly Simple yet Effective Multi-Query Rewriting Method for Conversational Passage Retrieval
di: Kostric, Ivica, et al.
Pubblicazione: (2024)

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

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

Interpretability Analysis of Domain Adapted Dense Retrievers
di: Yuksel, Goksenin, et al.
Pubblicazione: (2025)

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

Large Reasoning Embedding Models: Towards Next-Generation Dense Retrieval Paradigm
di: Tang, Jianting, et al.
Pubblicazione: (2025)

More Than Efficiency: Embedding Compression Improves Domain Adaptation in Dense Retrieval
di: Zuo, Chunsheng, et al.
Pubblicazione: (2026)

A Multi-Task Embedder For Retrieval Augmented LLMs
di: Zhang, Peitian, et al.
Pubblicazione: (2023)

Enhancing Dense Retrievers' Robustness with Group-level Reweighting
di: Han, Peixuan, et al.
Pubblicazione: (2023)

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

Generative Retrieval via Term Set Generation
di: Zhang, Peitian, et al.
Pubblicazione: (2023)

Dense Retrieval with Continuous Explicit Feedback for Systematic Review Screening Prioritisation
di: Mao, Xinyu, et al.
Pubblicazione: (2024)

UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations
di: Mo, Fengran, et al.
Pubblicazione: (2025)

ConvGQR: Generative Query Reformulation for Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2023)

Reason to Retrieve: Enhancing Query Understanding through Decomposition and Interpretation
di: Zhong, Yunfei, et al.
Pubblicazione: (2025)

AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment
di: Lai, Yilong, et al.
Pubblicazione: (2024)

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