Buchumschlag

CorpusBrain++: A Continual Generative Pre-Training Framework for Knowledge-Intensive Language Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Jiafeng, Zhou, Changjiang, Zhang, Ruqing, Chen, Jiangui, de Rijke, Maarten, Fan, Yixing, Cheng, Xueqi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Continual Learning for Generative Retrieval over Dynamic Corpora
von: Chen, Jiangui, et al.
Veröffentlicht: (2023)

Bootstrapped Pre-training with Dynamic Identifier Prediction for Generative Retrieval
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

Are Large Language Models Good at Utility Judgments?
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

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

On the Robustness of Generative Information Retrieval Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

Attack-in-the-Chain: Bootstrapping Large Language Models for Attacks Against Black-box Neural Ranking Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

From Relevance to Utility: Evidence Retrieval with Feedback for Fact Verification
von: Zhang, Hengran, et al.
Veröffentlicht: (2023)

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

Multi-granular Adversarial Attacks against Black-box Neural Ranking Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

AdversarialCoT: Single-Document Retrieval Poisoning for LLM Reasoning
von: Song, Hongru, et al.
Veröffentlicht: (2026)

Robust Neural Information Retrieval: An Adversarial and Out-of-distribution Perspective
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

An Empirical Study of Evaluating Long-form Question Answering
von: Xian, Ning, et al.
Veröffentlicht: (2025)

A Generative Framework for Personalized Sticker Retrieval
von: Zhou, Changjiang, et al.
Veröffentlicht: (2025)

Generative Retrieval Meets Multi-Graded Relevance
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

Listwise Generative Retrieval Models via a Sequential Learning Process
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

TrustRAG: An Information Assistant with Retrieval Augmented Generation
von: Fan, Yixing, et al.
Veröffentlicht: (2025)

The Silent Saboteur: Imperceptible Adversarial Attacks against Black-Box Retrieval-Augmented Generation Systems
von: Song, Hongru, et al.
Veröffentlicht: (2025)

On the Capacity of Citation Generation by Large Language Models
von: Qian, Haosheng, et al.
Veröffentlicht: (2024)

Robust Information Retrieval
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

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

VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification
von: Qian, Haosheng, et al.
Veröffentlicht: (2025)

Generative Retrieval for Book search
von: Tang, Yubao, et al.
Veröffentlicht: (2025)

LLMs as Sparse Retrievers:A Framework for First-Stage Product Search
von: Song, Hongru, et al.
Veröffentlicht: (2025)

Chain-of-Thought Poisoning Attacks against R1-based Retrieval-Augmented Generation Systems
von: Song, Hongru, et al.
Veröffentlicht: (2025)

Pretraining Data Detection for Large Language Models: A Divergence-based Calibration Method
von: Zhang, Weichao, et al.
Veröffentlicht: (2024)

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning
von: Wei, Wenda, et al.
Veröffentlicht: (2025)

C2T-ID: Converting Semantic Codebooks to Textual Document Identifiers for Generative Search
von: Zhang, Yingchen, et al.
Veröffentlicht: (2025)

CorpusLM: Towards a Unified Language Model on Corpus for Knowledge-Intensive Tasks
von: Li, Xiaoxi, et al.
Veröffentlicht: (2024)

CIR at the NTCIR-17 ULTRE-2 Task
von: Yu, Lulu, et al.
Veröffentlicht: (2023)

Controlling Risk of Retrieval-augmented Generation: A Counterfactual Prompting Framework
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Retrieval-in-the-Chain: Bootstrapping Large Language Models for Generative Retrieval
von: Zhang, Yingchen, et al.
Veröffentlicht: (2025)

Bridging Queries and Tables through Entities in Table Retrieval
von: Li, Da, et al.
Veröffentlicht: (2025)

Reproducibility Analysis and Enhancements for Multi-Aspect Dense Retriever with Aspect Learning
von: Bi, Keping, et al.
Veröffentlicht: (2024)

Tailoring Table Retrieval from a Field-aware Hybrid Matching Perspective
von: Li, Da, et al.
Veröffentlicht: (2025)

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

Robust-IR @ SIGIR 2025: The First Workshop on Robust Information Retrieval
von: Liu, Yu-An, et al.
Veröffentlicht: (2025)

How Do LLM-Generated Texts Impact Term-Based Retrieval Models?
von: Huang, Wei, et al.
Veröffentlicht: (2025)

Multi-Step Semantic Reasoning in Generative Retrieval
von: Dong, Steven, et al.
Veröffentlicht: (2026)

Revisiting Language Models in Neural News Recommender Systems
von: Zhao, Yuyue, et al.
Veröffentlicht: (2025)

Data, Not Model: Explaining Bias toward LLM Texts in Neural Retrievers
von: Huang, Wei, et al.
Veröffentlicht: (2026)