Copertina

IMRNNs: An Efficient Method for Interpretable Dense Retrieval via Embedding Modulation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Saxena, Yash, Padia, Ankur, Gunaratna, Kalpa, Gaur, Manas
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Information Retrieval
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Neurosymbolic Retrievers for Retrieval-augmented Generation
di: Saxena, Yash, et al.
Pubblicazione: (2026)

Ranking Free RAG: Replacing Re-ranking with Selection in RAG for Sensitive Domains
di: Saxena, Yash, et al.
Pubblicazione: (2025)

Attribution in Scientific Literature: New Benchmark and Methods
di: Saxena, Yash, et al.
Pubblicazione: (2024)

Interpreting Conversational Dense Retrieval by Rewriting-Enhanced Inversion of Session Embedding
di: Cheng, Yiruo, et al.
Pubblicazione: (2024)

Decoding Dense Embeddings: Sparse Autoencoders for Interpreting and Discretizing Dense Retrieval
di: Park, Seongwan, et al.
Pubblicazione: (2025)

Generation-Time vs. Post-hoc Citation: A Holistic Evaluation of LLM Attribution
di: Saxena, Yash, et al.
Pubblicazione: (2025)

Interpret and Control Dense Retrieval with Sparse Latent Features
di: Kang, Hao, et al.
Pubblicazione: (2024)

K-PERM: Personalized Response Generation Using Dynamic Knowledge Retrieval and Persona-Adaptive Queries
di: Raj, Kanak, et al.
Pubblicazione: (2023)

MARVEL: Unlocking the Multi-Modal Capability of Dense Retrieval via Visual Module Plugin
di: Zhou, Tianshuo, et al.
Pubblicazione: (2023)

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

Scaling Laws for Embedding Dimension in Information Retrieval
di: Killingback, Julian, et al.
Pubblicazione: (2026)

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

More Than Efficiency: Embedding Compression Improves Domain Adaptation in Dense Retrieval
di: Zuo, Chunsheng, et al.
Pubblicazione: (2026)

Large Reasoning Embedding Models: Towards Next-Generation Dense Retrieval Paradigm
di: Tang, Jianting, et al.
Pubblicazione: (2025)

Structure-Aware Chunking for Tabular Data in Retrieval-Augmented Generation
di: Guttal, Pooja, et al.
Pubblicazione: (2026)

Efficient Multi-Vector Dense Retrieval Using Bit Vectors
di: Nardini, Franco Maria, et al.
Pubblicazione: (2024)

A Gradient Accumulation Method for Dense Retriever under Memory Constraint
di: Kim, Jaehee, et al.
Pubblicazione: (2024)

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

Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking
di: Ji, Yifan, et al.
Pubblicazione: (2025)

Dense Passage Retrieval in Conversational Search
di: Salamah, Ahmed H., et al.
Pubblicazione: (2025)

On the Scaling of Robustness and Effectiveness in Dense Retrieval
di: Liu, Yu-An, et al.
Pubblicazione: (2025)

Domain Adaptation for Dense Retrieval and Conversational Dense Retrieval through Self-Supervision by Meticulous Pseudo-Relevance Labeling
di: Li, Minghan, et al.
Pubblicazione: (2024)

Developing Visual Augmented Q&A System using Scalable Vision Embedding Retrieval & Late Interaction Re-ranker
di: Saxena, Rachna, et al.
Pubblicazione: (2025)

Making Large Language Models Efficient Dense Retrievers
di: Lei, Yibin, et al.
Pubblicazione: (2025)

Dwell in the Beginning: How Language Models Embed Long Documents for Dense Retrieval
di: Coelho, João, et al.
Pubblicazione: (2024)

Spectral Tempering for Embedding Compression in Dense Passage Retrieval
di: Li, Yongkang, et al.
Pubblicazione: (2026)

Dense Passage Retrieval: Is it Retrieving?
di: Reichman, Benjamin, et al.
Pubblicazione: (2024)

Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity
di: Bracher, Adrian, et al.
Pubblicazione: (2026)

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

Unifying Multimodal Retrieval via Document Screenshot Embedding
di: Ma, Xueguang, et al.
Pubblicazione: (2024)

Leveraging LLMs for Unsupervised Dense Retriever Ranking
di: Khramtsova, Ekaterina, et al.
Pubblicazione: (2024)

Boosting Data Utilization for Multilingual Dense Retrieval
di: Huang, Chao, et al.
Pubblicazione: (2025)

TurkEmbed4Retrieval: Turkish Embedding Model for Retrieval Task
di: Ezerceli, Özay, et al.
Pubblicazione: (2025)

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

Improving the Robustness of Dense Retrievers Against Typos via Multi-Positive Contrastive Learning
di: Sidiropoulos, Georgios, et al.
Pubblicazione: (2024)

LSTM-based Selective Dense Text Retrieval Guided by Sparse Lexical Retrieval
di: Yang, Yingrui, et al.
Pubblicazione: (2025)

Embark on DenseQuest: A System for Selecting the Best Dense Retriever for a Custom Collection
di: Khramtsova, Ekaterina, et al.
Pubblicazione: (2024)

Domain-Adaptive Dense Retrieval for Brazilian Legal Search
di: Pereira, Jayr, et al.
Pubblicazione: (2026)

Revela: Dense Retriever Learning via Language Modeling
di: Cai, Fengyu, et al.
Pubblicazione: (2025)

Investigating Multi-layer Representations for Dense Passage Retrieval
di: Xie, Zhongbin, et al.
Pubblicazione: (2025)