Buchumschlag

Are Large Language Models Good at Utility Judgments?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Hengran, Zhang, Ruqing, Guo, Jiafeng, de Rijke, Maarten, Fan, Yixing, Cheng, Xueqi
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

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

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

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

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

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)

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

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

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

CorpusBrain++: A Continual Generative Pre-Training Framework for Knowledge-Intensive Language Tasks
von: Guo, Jiafeng, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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)

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

TrustRAG: An Information Assistant with Retrieval Augmented Generation
von: Fan, Yixing, 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)

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

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

LLM-Specific Utility: A New Perspective for Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Distilling a Small Utility-Based Passage Selector to Enhance Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

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

Utility-Focused LLM Annotation for Retrieval and Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Beyond Relevance: Utility-Centric Retrieval in the LLM Era
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

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

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

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

Bagging-Based Model Merging for Robust General Text Embeddings
von: Zhang, Hengran, et al.
Veröffentlicht: (2026)

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

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

A Comparative Study of Specialized LLMs as Dense Retrievers
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Unleashing the Power of LLMs in Dense Retrieval with Query Likelihood Modeling
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Cognitive Biases in Large Language Models for News Recommendation
von: Lyu, Yougang, et al.
Veröffentlicht: (2024)

Query Performance Prediction using Relevance Judgments Generated by Large Language Models
von: Meng, Chuan, et al.
Veröffentlicht: (2024)

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