Buchumschlag

Domain Adaptation for Dense Retrieval and Conversational Dense Retrieval through Self-Supervision by Meticulous Pseudo-Relevance Labeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Minghan, Gaussier, Eric
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unsupervised Multilingual Dense Retrieval via Generative Pseudo Labeling
von: Huang, Chao-Wei, et al.
Veröffentlicht: (2024)

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

Graded Relevance Scoring of Written Essays with Dense Retrieval
von: Albatarni, Salam, et al.
Veröffentlicht: (2024)

Efficient Long-Document Reranking via Block-Level Embeddings and Top-k Interaction Refinement
von: Li, Minghan, et al.
Veröffentlicht: (2025)

Pseudo Relevance Feedback is Enough to Close the Gap Between Small and Large Dense Retrieval Models
von: Li, Hang, et al.
Veröffentlicht: (2025)

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

The Overlooked Role of Graded Relevance Thresholds in Multilingual Dense Retrieval
von: Wullach, Tomer, et al.
Veröffentlicht: (2026)

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

PairDistill: Pairwise Relevance Distillation for Dense Retrieval
von: Huang, Chao-Wei, et al.
Veröffentlicht: (2024)

Domain-Adaptive Dense Retrieval for Brazilian Legal Search
von: Pereira, Jayr, et al.
Veröffentlicht: (2026)

EviRerank: Adaptive Evidence Construction for Long-Document LLM Reranking
von: Li, Minghan, et al.
Veröffentlicht: (2024)

ECLIPSE: Contrastive Dimension Importance Estimation with Pseudo-Irrelevance Feedback for Dense Retrieval
von: D'Erasmo, Giulio, et al.
Veröffentlicht: (2024)

AugTriever: Unsupervised Dense Retrieval and Domain Adaptation by Scalable Data Augmentation
von: Meng, Rui, et al.
Veröffentlicht: (2022)

Imagine All The Relevance: Scenario-Profiled Indexing with Knowledge Expansion for Dense Retrieval
von: Lee, Sangam, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

Generative Retrieval as Multi-Vector Dense Retrieval
von: Wu, Shiguang, et al.
Veröffentlicht: (2024)

Cohort Retrieval using Dense Passage Retrieval
von: Jadhav, Pranav
Veröffentlicht: (2025)

Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation
von: Pandey, Mritunjay
Veröffentlicht: (2026)

Scaling Laws For Dense Retrieval
von: Fang, Yan, et al.
Veröffentlicht: (2024)

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

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

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

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

Xetrieval: Mechanistically Explaining Dense Retrieval
von: Cai, Zhixin, et al.
Veröffentlicht: (2026)

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

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

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

Embark on DenseQuest: A System for Selecting the Best Dense Retriever for a Custom Collection
von: Khramtsova, Ekaterina, et al.
Veröffentlicht: (2024)

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

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

Static Pruning in Dense Retrieval using Matrix Decomposition
von: Siciliano, Federico, et al.
Veröffentlicht: (2024)

Investigating Multi-layer Representations for Dense Passage Retrieval
von: Xie, Zhongbin, et al.
Veröffentlicht: (2025)

Improving Dense Passage Retrieval with Multiple Positive Passages
von: Chang, Shuai
Veröffentlicht: (2025)