Copertina

Boosting Data Utilization for Multilingual Dense Retrieval

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Huang, Chao, Mo, Fengran, Chen, Yufeng, Guan, Changhao, Yue, Zhenrui, Wang, Xinyu, Xu, Jinan, Huang, Kaiyu
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Information Retrieval
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

CroSearch-R1: Better Leveraging Cross-lingual Knowledge for Retrieval-Augmented Generation
di: Qi, Rui, et al.
Pubblicazione: (2026)

How to Leverage Personal Textual Knowledge for Personalized Conversational Information Retrieval
di: Mo, Fengran, et al.
Pubblicazione: (2024)

ConvSDG: Session Data Generation for Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2024)

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

ConvMix: A Mixed-Criteria Data Augmentation Framework for Conversational Dense Retrieval
di: Mo, Fengran, et al.
Pubblicazione: (2025)

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

Adaptive Personalized Conversational Information Retrieval
di: Mo, Fengran, et al.
Pubblicazione: (2025)

Towards Dynamic Dense Retrieval with Routing Strategy
di: Su, Zhan, et al.
Pubblicazione: (2026)

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

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

ConvGQR: Generative Query Reformulation for Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2023)

MixFormer: Co-Scaling Up Dense and Sequence in Industrial Recommenders
di: Huang, Xu, et al.
Pubblicazione: (2026)

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

Aligning Query Representation with Rewritten Query and Relevance Judgments in Conversational Search
di: Mo, Fengran, et al.
Pubblicazione: (2024)

RALI@TREC iKAT 2024: Achieving Personalization via Retrieval Fusion in Conversational Search
di: Hui, Yuchen, et al.
Pubblicazione: (2024)

Federated Recommendation via Hybrid Retrieval Augmented Generation
di: Zeng, Huimin, et al.
Pubblicazione: (2024)

Multilingual Collaborative Defense for Large Language Models
di: Li, Hongliang, et al.
Pubblicazione: (2025)

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

Multilingual Humour-Aware Retrieval with Dense and Re-Ranking Models
di: Arampatzis, Georgios, et al.
Pubblicazione: (2026)

ScalingNote: Scaling up Retrievers with Large Language Models for Real-World Dense Retrieval
di: Huang, Suyuan, et al.
Pubblicazione: (2024)

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

Retrieval Augmented Conversational Recommendation with Reinforcement Learning
di: Yue, Zhenrui, et al.
Pubblicazione: (2026)

Parametric Retrieval-Augmented Generation using Latent Routing of LoRA Adapters
di: Su, Zhan, et al.
Pubblicazione: (2025)

Differentiable Geometric Indexing for End-to-End Generative Retrieval
di: Wang, Xujing, et al.
Pubblicazione: (2026)

The Attention Market: Interpreting Online Fair Re-ranking as Manifold Optimization under Walrasian Equilibrium
di: Xu, Chen, et al.
Pubblicazione: (2026)

Dense Retrieval with Continuous Explicit Feedback for Systematic Review Screening Prioritisation
di: Mao, Xinyu, et al.
Pubblicazione: (2024)

HGAMN: Heterogeneous Graph Attention Matching Network for Multilingual POI Retrieval at Baidu Maps
di: Huang, Jizhou, et al.
Pubblicazione: (2024)

Unified Multimodal and Multilingual Retrieval via Multi-Task Learning with NLU Integration
di: Zhang, Xinyuan, et al.
Pubblicazione: (2026)

Train Once, Deploy Anywhere: Matryoshka Representation Learning for Multimodal Recommendation
di: Wang, Yueqi, et al.
Pubblicazione: (2024)

Your Causal Self-Attentive Recommender Hosts a Lonely Neighborhood
di: Wang, Yueqi, et al.
Pubblicazione: (2024)

Is Position Bias in Dense Retrievers Built In-or Learned from Data?
di: Yu, Daegon, et al.
Pubblicazione: (2026)

AliBoost: Ecological Boosting Framework in Alibaba Platform
di: Shen, Qijie, et al.
Pubblicazione: (2025)

Leveraging LLMs for Synthesizing Training Data Across Many Languages in Multilingual Dense Retrieval
di: Thakur, Nandan, et al.
Pubblicazione: (2023)

Learning to Trust: Dynamic Utilization of Retrieval-Augmented Generation for E-commerce Search Relevance
di: Xu, Tingqiao, et al.
Pubblicazione: (2025)

Negative Data Mining for Contrastive Learning in Dense Retrieval at IKEA.com
di: Agapaki, Eva, et al.
Pubblicazione: (2026)

SoT: Structured-of-Thought Prompting Guides Multilingual Reasoning in Large Language Models
di: Qi, Rui, et al.
Pubblicazione: (2025)

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

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

Tools are under-documented: Simple Document Expansion Boosts Tool Retrieval
di: Lu, Xuan, et al.
Pubblicazione: (2025)