Buchumschlag

Illusions of Relevance: Arbitrary Content Injection Attacks Deceive Retrievers, Rerankers, and LLM Judges

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tamber, Manveer Singh, Lin, Jimmy
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Teaching Dense Retrieval Models to Specialize with Listwise Distillation and LLM Data Augmentation
von: Tamber, Manveer Singh, et al.
Veröffentlicht: (2025)

Can't Hide Behind the API: Stealing Black-Box Commercial Embedding Models
von: Tamber, Manveer Singh, et al.
Veröffentlicht: (2024)

Conventional Contrastive Learning Often Falls Short: Improving Dense Retrieval with Cross-Encoder Listwise Distillation and Synthetic Data
von: Tamber, Manveer Singh, et al.
Veröffentlicht: (2025)

Unifying Adversarial Robustness and Training Across Text Scoring Models
von: Tamber, Manveer Singh, et al.
Veröffentlicht: (2026)

Rerank Before You Reason: Analyzing Reranking Tradeoffs through Effective Token Cost in Deep Search Agents
von: Sharifymoghaddam, Sahel, et al.
Veröffentlicht: (2026)

Contextual Relevance and Adaptive Sampling for LLM-Based Document Reranking
von: Huang, Jerry, et al.
Veröffentlicht: (2025)

Judging the Judges: A Collection of LLM-Generated Relevance Judgements
von: Rahmani, Hossein A., et al.
Veröffentlicht: (2025)

RankLLM: A Python Package for Reranking with LLMs
von: Sharifymoghaddam, Sahel, et al.
Veröffentlicht: (2025)

Prism-Reranker: Beyond Relevance Scoring -- Jointly Producing Contributions and Evidence for Agentic Retrieval
von: Zhang, Dun
Veröffentlicht: (2026)

ToolRerank: Adaptive and Hierarchy-Aware Reranking for Tool Retrieval
von: Zheng, Yuanhang, et al.
Veröffentlicht: (2024)

LLM4Rerank: LLM-based Auto-Reranking Framework for Recommendations
von: Gao, Jingtong, et al.
Veröffentlicht: (2024)

Rank-R1: Enhancing Reasoning in LLM-based Document Rerankers via Reinforcement Learning
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2025)

Operational Advice for Dense and Sparse Retrievers: HNSW, Flat, or Inverted Indexes?
von: Lin, Jimmy
Veröffentlicht: (2024)

Rethinking LLM Parametric Knowledge as Post-retrieval Confidence for Dynamic Retrieval and Reranking
von: Jin, Haoxiang, et al.
Veröffentlicht: (2025)

Document Screenshot Retrievers are Vulnerable to Pixel Poisoning Attacks
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2025)

When LLM Judges Inflate Scores: Exploring Overrating in Relevance Assessment
von: Yu, Chuting, et al.
Veröffentlicht: (2026)

An Early FIRST Reproduction and Improvements to Single-Token Decoding for Fast Listwise Reranking
von: Chen, Zijian, et al.
Veröffentlicht: (2024)

Beyond Content Relevance: Evaluating Instruction Following in Retrieval Models
von: Zhou, Jianqun, et al.
Veröffentlicht: (2024)

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

LLMs Can Patch Up Missing Relevance Judgments in Evaluation
von: Upadhyay, Shivani, et al.
Veröffentlicht: (2024)

RAG-Match: Retrieval-Augmented Knowledge Injection and Hierarchical Reasoning for Calibrated Semantic Relevance
von: Jiang, Hengjun, et al.
Veröffentlicht: (2026)

Impact of Shallow vs. Deep Relevance Judgments on BERT-based Reranking Models
von: Iturra-Bocaz, Gabriel, et al.
Veröffentlicht: (2025)

A Systematic Study of Pseudo-Relevance Feedback with LLMs
von: Jedidi, Nour, et al.
Veröffentlicht: (2026)

RankArena: A Unified Platform for Evaluating Retrieval, Reranking and RAG with Human and LLM Feedback
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

LANCER: LLM Reranking for Nugget Coverage
von: Ju, Jia-Huei, et al.
Veröffentlicht: (2026)

Passage Query Methods for Retrieval and Reranking in Conversational Agents
von: De Lima, Victor, et al.
Veröffentlicht: (2025)

Multivector Reranking in the Era of Strong First-Stage Retrievers
von: Martinico, Silvio, et al.
Veröffentlicht: (2026)

Do Large Language Models Favor Recent Content? A Study on Recency Bias in LLM-Based Reranking
von: Fang, Hanpei, et al.
Veröffentlicht: (2025)

A Hybrid Retrieval and Reranking Framework for Evidence-Grounded Retrieval-Augmented Generation
von: Irany, Fariba Afrin, et al.
Veröffentlicht: (2026)

CoRank: LLM-Based Compact Reranking with Document Features for Scientific Retrieval
von: Tian, Runchu, et al.
Veröffentlicht: (2025)

JudgeBlender: Ensembling Judgments for Automatic Relevance Assessment
von: Rahmani, Hossein A., et al.
Veröffentlicht: (2024)

Enhancing Retrieval-Augmented Generation with Two-Stage Retrieval: FlashRank Reranking and Query Expansion
von: George, Sherine
Veröffentlicht: (2025)

To Judge or not to Judge: Using LLM Judgements for Advertiser Keyphrase Relevance at eBay
von: Dey, Soumik, et al.
Veröffentlicht: (2025)

ReFIT: Relevance Feedback from a Reranker during Inference
von: Reddy, Revanth Gangi, et al.
Veröffentlicht: (2023)

Calibration-Disentangled Learning and Relevance-Prioritized Reranking for Calibrated Sequential Recommendation
von: Jeon, Hyunsik, et al.
Veröffentlicht: (2024)

TRUE: A Reproducible Framework for LLM-Driven Relevance Judgment in Information Retrieval
von: Dewan, Mouly, et al.
Veröffentlicht: (2025)

Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models
von: Bigdeli, Amin, et al.
Veröffentlicht: (2026)

Judging with Personality and Confidence: A Study on Personality-Conditioned LLM Relevance Assessment
von: Chen, Nuo, et al.
Veröffentlicht: (2026)

LLM-based Listwise Reranking under the Effect of Positional Bias
von: Qiao, Jingfen, et al.
Veröffentlicht: (2026)

ListT5: Listwise Reranking with Fusion-in-Decoder Improves Zero-shot Retrieval
von: Yoon, Soyoung, et al.
Veröffentlicht: (2024)