:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feng, Xincan, Nishida, Noriki, Sakai, Yusuke, Matsumoto, Yuji
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.09448
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Does Embedding Magnitude Matter? A Cross-Task Functional-Symmetry Framework
von: Feng, Xincan, et al.
Veröffentlicht: (2026)

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

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

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

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

Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation
von: Pandey, Mritunjay
Veröffentlicht: (2026)

EHI: End-to-end Learning of Hierarchical Index for Efficient Dense Retrieval
von: Kumar, Ramnath, et al.
Veröffentlicht: (2023)

MFBE: Leveraging Multi-Field Information of FAQs for Efficient Dense Retrieval
von: Banerjee, Debopriyo, et al.
Veröffentlicht: (2023)

Sparse and Dense Retrievers Learn Better Together: Joint Sparse-Dense Optimization for Text-Image Retrieval
von: Song, Jonghyun, et al.
Veröffentlicht: (2025)

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

QueryBuilder: Human-in-the-Loop Query Development for Information Retrieval
von: Kandula, Hemanth, et al.
Veröffentlicht: (2024)

Query Drift Compensation: Enabling Compatibility in Continual Learning of Retrieval Embedding Models
von: Goswami, Dipam, et al.
Veröffentlicht: (2025)

Your Dense Retriever is Secretly an Expeditious Reasoner
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

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

Pseudo Relevance Feedback is Enough to Close the Gap Between Small and Large Dense Retrieval Models
von: Li, Hang, et al.
Veröffentlicht: (2025)

Ontology-Guided Query Expansion for Biomedical Document Retrieval using Large Language Models
von: Nazi, Zabir Al, et al.
Veröffentlicht: (2025)

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

Improving Neural Retrieval with Attribution-Guided Query Rewriting
von: Garouani, Moncef, et al.
Veröffentlicht: (2026)

RETLLM: Training and Data-Free MLLMs for Multimodal Information Retrieval
von: Su, Dawei, et al.
Veröffentlicht: (2026)

DenseRec: Revisiting Dense Content Embeddings for Sequential Transformer-based Recommendation
von: Lichtenberg, Jan Malte, et al.
Veröffentlicht: (2025)

Wisdom of the Crowds in Forecasting: Forecast Summarization for Supporting Future Event Prediction
von: Saha, Anisha, et al.
Veröffentlicht: (2025)

Better Generalizing to Unseen Concepts: An Evaluation Framework and An LLM-Based Auto-Labeled Pipeline for Biomedical Concept Recognition
von: Liu, Shanshan, et al.
Veröffentlicht: (2026)

Learning to Retrieve with Weakened Labels: Robust Training under Label Noise
von: Sharma, Arnab
Veröffentlicht: (2025)

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

Robust Training Objectives Improve Embedding-based Retrieval in Industrial Recommendation Systems
von: Kolodner, Matthew, et al.
Veröffentlicht: (2024)

Q-RAG: Long Context Multi-step Retrieval via Value-based Embedder Training
von: Sorokin, Artyom, et al.
Veröffentlicht: (2025)

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

Training-Induced Bias Toward LLM-Generated Content in Dense Retrieval
von: Xion, William, et al.
Veröffentlicht: (2026)

LotusFilter: Fast Diverse Nearest Neighbor Search via a Learned Cutoff Table
von: Matsui, Yusuke
Veröffentlicht: (2025)

Maybe you are looking for CroQS: Cross-modal Query Suggestion for Text-to-Image Retrieval
von: Pacini, Giacomo, et al.
Veröffentlicht: (2024)

Hierarchical Query Classification in E-commerce Search
von: He, Bing, et al.
Veröffentlicht: (2024)

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

Unifying Ranking and Generation in Query Auto-Completion via Retrieval-Augmented Generation and Multi-Objective Alignment
von: Yuan, Kai, et al.
Veröffentlicht: (2026)

NANOGPT: A Query-Driven Large Language Model Retrieval-Augmented Generation System for Nanotechnology Research
von: Chandrasekhar, Achuth, et al.
Veröffentlicht: (2025)

LLM-PQA: LLM-enhanced Prediction Query Answering
von: Li, Ziyu, et al.
Veröffentlicht: (2024)

Improving Sequential Query Recommendation with Immediate User Feedback
von: Parambath, Shameem A Puthiya, et al.
Veröffentlicht: (2022)

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

From Prompting to Alignment: A Generative Framework for Query Recommendation
von: Min, Erxue, et al.
Veröffentlicht: (2025)

Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
von: Hemmat, Arshia, et al.
Veröffentlicht: (2024)

M3: A Multi-Task Mixed-Objective Learning Framework for Open-Domain Multi-Hop Dense Sentence Retrieval
von: Bai, Yang, et al.
Veröffentlicht: (2024)