Buchumschlag

Distillation versus Contrastive Learning: How to Train Your Rerankers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Zhichao, Huang, Zhiqi, Zhuang, Shengyao, Srikumar, Vivek
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

State Space Models are Strong Text Rerankers
von: Xu, Zhichao, et al.
Veröffentlicht: (2024)

LACONIC: Dense-Level Effectiveness for Scalable Sparse Retrieval via a Two-Phase Training Curriculum
von: Xu, Zhichao, et al.
Veröffentlicht: (2026)

Rethinking On-policy Optimization for Query Augmentation
von: Xu, Zhichao, et al.
Veröffentlicht: (2025)

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

Layer-wise Token Compression for Efficient Document Reranking
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2026)

2D Matryoshka Training for Information Retrieval
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

Large Language Models for Stemming: Promises, Pitfalls and Failures
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

How Good are LLM-based Rerankers? An Empirical Analysis of State-of-the-Art Reranking Models
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

CoRNStack: High-Quality Contrastive Data for Better Code Retrieval and Reranking
von: Suresh, Tarun, et al.
Veröffentlicht: (2024)

Gumbel Reranking: Differentiable End-to-End Reranker Optimization
von: Huang, Siyuan, et al.
Veröffentlicht: (2025)

An Investigation of Prompt Variations for Zero-shot LLM-based Rankers
von: Sun, Shuoqi, et al.
Veröffentlicht: (2024)

Understanding and Mitigating the Threat of Vec2Text to Dense Retrieval Systems
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2024)

FeB4RAG: Evaluating Federated Search in the Context of Retrieval Augmented Generation
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

ListConRanker: A Contrastive Text Reranker with Listwise Encoding
von: Liu, Junlong, et al.
Veröffentlicht: (2025)

Rank-K: Test-Time Reasoning for Listwise Reranking
von: Yang, Eugene, et al.
Veröffentlicht: (2025)

$\text{R}^2\text{R}$: A Route-to-Rerank Post-Training Framework for Multi-Domain Decoder-Only Rerankers
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

DeAR: Dual-Stage Document Reranking with Reasoning Agents via LLM Distillation
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

Efficient Rationale-based Retrieval: On-policy Distillation from Generative Rerankers based on JEPA
von: Chen, Teng, et al.
Veröffentlicht: (2026)

ProRank: Prompt Warmup via Reinforcement Learning for Small Language Models Reranking
von: Li, Xianming, et al.
Veröffentlicht: (2025)

Zero-shot Generative Large Language Models for Systematic Review Screening Automation
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

Beyond Sequential Reranking: Reranker-Guided Search Improves Reasoning Intensive Retrieval
von: Xu, Haike, et al.
Veröffentlicht: (2025)

Context-aware Decoding Reduces Hallucination in Query-focused Summarization
von: Xu, Zhichao
Veröffentlicht: (2023)

RankMamba: Benchmarking Mamba's Document Ranking Performance in the Era of Transformers
von: Xu, Zhichao
Veröffentlicht: (2024)

Supervised Fine-Tuning or Contrastive Learning? Towards Better Multimodal LLM Reranking
von: Dai, Ziqi, et al.
Veröffentlicht: (2025)

An In-depth Investigation of User Response Simulation for Conversational Search
von: Wang, Zhenduo, et al.
Veröffentlicht: (2023)

InstUPR : Instruction-based Unsupervised Passage Reranking with Large Language Models
von: Huang, Chao-Wei, et al.
Veröffentlicht: (2024)

E2Rank: Your Text Embedding can Also be an Effective and Efficient Listwise Reranker
von: Liu, Qi, et al.
Veröffentlicht: (2025)

A Survey of Model Architectures in Information Retrieval
von: Xu, Zhichao, et al.
Veröffentlicht: (2025)

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

ERank: Fusing Supervised Fine-Tuning and Reinforcement Learning for Effective and Efficient Text Reranking
von: Cai, Yuzheng, et al.
Veröffentlicht: (2025)

Self-Calibrated Listwise Reranking with Large Language Models
von: Ren, Ruiyang, et al.
Veröffentlicht: (2024)

Knowledge-Aware Diverse Reranking for Cross-Source Question Answering
von: Zhou, Tong
Veröffentlicht: (2025)

Evaluating Answer Reranking Strategies in Time-sensitive Question Answering
von: Kardan, Mehmet, et al.
Veröffentlicht: (2025)

LimRank: Less is More for Reasoning-Intensive Information Reranking
von: Song, Tingyu, et al.
Veröffentlicht: (2025)

DiffuRank: Effective Document Reranking with Diffusion Language Models
von: Liu, Qi, et al.
Veröffentlicht: (2026)

Prompt-Based LLMs for Position Bias-Aware Reranking in Personalized Recommendations
von: Islam, Md Aminul, et al.
Veröffentlicht: (2025)

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

Zero-shot Audio Topic Reranking using Large Language Models
von: Qian, Mengjie, et al.
Veröffentlicht: (2023)

Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Towards Trustworthy Reranking: A Simple yet Effective Abstention Mechanism
von: Gisserot-Boukhlef, Hippolyte, et al.
Veröffentlicht: (2024)