Copertina

Your Dense Retriever is Secretly an Expeditious Reasoner

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Yichi, Bai, Jun, Cai, Zhixin, Qin, Shuhan, Chen, Zhuofan, Guan, Jinghua, Rong, Wenge
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Information Retrieval Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Xetrieval: Mechanistically Explaining Dense Retrieval
di: Cai, Zhixin, et al.
Pubblicazione: (2026)

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

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

Aligning Dense Retrievers with LLM Utility via Distillation
di: Sandhu, Rajinder, et al.
Pubblicazione: (2026)

AttentionRetriever: Attention Layers are Secretly Long Document Retrievers
di: Fu, David Jiahao, et al.
Pubblicazione: (2026)

Test-Time Training for Zero-Resource Dense Retrieval Reranking
di: Liu, Shiyan, et al.
Pubblicazione: (2026)

DeGRe: Dense-supervised Generative Reranking for Recommendation
di: Song, Chaotian, et al.
Pubblicazione: (2026)

BiXSE: Improving Dense Retrieval via Probabilistic Graded Relevance Distillation
di: Tsirigotis, Christos, et al.
Pubblicazione: (2025)

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

CoHyDE: Iterative Co-Training of LLM Rewriter & Dense Encoder for Tool Retrieval
di: Senthil, Vaishali, et al.
Pubblicazione: (2026)

Not All Queries Need Rewriting: When Prompt-Only LLM Refinement Helps and Hurts Dense Retrieval
di: Kotte, Varun
Pubblicazione: (2026)

Causal Intervention for Fairness in Multi-behavior Recommendation
di: Wang, Xi, et al.
Pubblicazione: (2022)

Investigating Mixture of Experts in Dense Retrieval
di: Sokli, Effrosyni, et al.
Pubblicazione: (2024)

Unifying Generative and Dense Retrieval for Sequential Recommendation
di: Yang, Liu, et al.
Pubblicazione: (2024)

HypRAG: Hyperbolic Dense Retrieval for Retrieval Augmented Generation
di: Madhu, Hiren, et al.
Pubblicazione: (2026)

Optimizing Compound Retrieval Systems
di: Oosterhuis, Harrie, et al.
Pubblicazione: (2025)

Trove: A Flexible Toolkit for Dense Retrieval
di: Esfandiarpoor, Reza, et al.
Pubblicazione: (2025)

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

Learning to Select: Query-Aware Adaptive Dimension Selection for Dense Retrieval
di: Wu, Zhanyu, et al.
Pubblicazione: (2026)

LogiCoL: Logically-Informed Contrastive Learning for Set-based Dense Retrieval
di: Shen, Yanzhen, et al.
Pubblicazione: (2025)

Zero-Shot Dense Retrieval with Embeddings from Relevance Feedback
di: Jedidi, Nour, et al.
Pubblicazione: (2024)

MemSifter: Offloading LLM Memory Retrieval via Outcome-Driven Proxy Reasoning
di: Tan, Jiejun, et al.
Pubblicazione: (2026)

Dense X Retrieval: What Retrieval Granularity Should We Use?
di: Chen, Tong, et al.
Pubblicazione: (2023)

Soft Prompt Tuning for Augmenting Dense Retrieval with Large Language Models
di: Peng, Zhiyuan, et al.
Pubblicazione: (2023)

Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval
di: Yang, Zeyu, et al.
Pubblicazione: (2026)

Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning
di: Zhu, Jiachen, et al.
Pubblicazione: (2025)

CogAtom: From Cognitive Atoms to Olympiad-level Mathematical Reasoning in Large Language Models
di: Chen, Zhuofan, et al.
Pubblicazione: (2025)

ReasonIR: Training Retrievers for Reasoning Tasks
di: Shao, Rulin, et al.
Pubblicazione: (2025)

A Simple and Effective Framework for Symmetric Consistent Indexing in Large-Scale Dense Retrieval
di: Wang, Huimu, et al.
Pubblicazione: (2025)

ExpandR: Teaching Dense Retrievers Beyond Queries with LLM Guidance
di: Yao, Sijia, et al.
Pubblicazione: (2025)

W-RAG: Weakly Supervised Dense Retrieval in RAG for Open-domain Question Answering
di: Nian, Jinming, et al.
Pubblicazione: (2024)

VERDICT: Verifiable Evolving Reasoning with Directive-Informed Collegial Teams for Legal Judgment Prediction
di: Liao, Hui, et al.
Pubblicazione: (2026)

SeDa: A Unified System for Dataset Discovery and Multi-Entity Augmented Semantic Exploration
di: Ling, Kan, et al.
Pubblicazione: (2026)

HyPA-RAG: A Hybrid Parameter Adaptive Retrieval-Augmented Generation System for AI Legal and Policy Applications
di: Kalra, Rishi, et al.
Pubblicazione: (2024)

Semantic Retrieval at Walmart
di: Magnani, Alessandro, et al.
Pubblicazione: (2024)

A Parameter Update Balancing Algorithm for Multi-task Ranking Models in Recommendation Systems
di: Yuan, Jun, et al.
Pubblicazione: (2024)

A Survey of Reasoning-Intensive Retrieval: Progress and Challenges
di: Wei, Yiyang, et al.
Pubblicazione: (2026)

Preference Discerning with LLM-Enhanced Generative Retrieval
di: Paischer, Fabian, et al.
Pubblicazione: (2024)

KG-Retriever: Efficient Knowledge Indexing for Retrieval-Augmented Large Language Models
di: Chen, Weijie, et al.
Pubblicazione: (2024)

Eliciting In-context Retrieval and Reasoning for Long-context Large Language Models
di: Qiu, Yifu, et al.
Pubblicazione: (2025)