Buchumschlag

Robustness Risk of Conversational Retrieval: Identifying and Mitigating Noise Sensitivity in Qwen3-Embedding Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Weishu, Hou, Zhouhui, Zhan, Mingjie, Zhao, Zhicheng, Su, Fei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Generalizing Conversational Dense Retrieval via LLM-Cognition Data Augmentation
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

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

Adaptive Personalized Conversational Information Retrieval
von: Mo, Fengran, et al.
Veröffentlicht: (2025)

CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation
von: Cheng, Yiruo, et al.
Veröffentlicht: (2024)

EmbeddingRWKV: State-Centric Retrieval with Reusable States
von: Hou, Haowen, et al.
Veröffentlicht: (2026)

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

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

UniRetriever: Multi-task Candidates Selection for Various Context-Adaptive Conversational Retrieval
von: Wang, Hongru, et al.
Veröffentlicht: (2024)

Metacognitive Retrieval-Augmented Large Language Models
von: Zhou, Yujia, et al.
Veröffentlicht: (2024)

Scaling Laws For Dense Retrieval
von: Fang, Yan, et al.
Veröffentlicht: (2024)

Dynamic and Parametric Retrieval-Augmented Generation
von: Su, Weihang, et al.
Veröffentlicht: (2025)

ReasonEmbed: Enhanced Text Embeddings for Reasoning-Intensive Document Retrieval
von: Chen, Jianlyu, et al.
Veröffentlicht: (2025)

Chain-of-Retrieval Augmented Generation
von: Wang, Liang, et al.
Veröffentlicht: (2025)

RbFT: Robust Fine-tuning for Retrieval-Augmented Generation against Retrieval Defects
von: Tu, Yiteng, et al.
Veröffentlicht: (2025)

A Survey of Conversational Search
von: Mo, Fengran, et al.
Veröffentlicht: (2024)

ProRAG: Process-Supervised Reinforcement Learning for Retrieval-Augmented Generation
von: Wang, Zhao, et al.
Veröffentlicht: (2026)

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

One prompt is not enough: Instruction Sensitivity Undermines Embedding Model Evaluation
von: Kostiuk, Yevhen, et al.
Veröffentlicht: (2026)

Beyond Semantic Relevance: Counterfactual Risk Minimization for Robust Retrieval-Augmented Generation
von: Liu, Peiyang, et al.
Veröffentlicht: (2026)

UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations
von: Mo, Fengran, et al.
Veröffentlicht: (2025)

Learning Interpretable Legal Case Retrieval via Knowledge-Guided Case Reformulation
von: Deng, Chenlong, et al.
Veröffentlicht: (2024)

Large Language Models for Information Retrieval: A Survey
von: Zhu, Yutao, et al.
Veröffentlicht: (2023)

The Power of Noise: Redefining Retrieval for RAG Systems
von: Cuconasu, Florin, et al.
Veröffentlicht: (2024)

Location Sensitive Embedding for Knowledge Graph Reasoning
von: Banerjee, Deepak, et al.
Veröffentlicht: (2023)

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

LEMUR: A Corpus for Robust Fine-Tuning of Multilingual Law Embedding Models for Retrieval
von: Ahmadi, Narges Baba, et al.
Veröffentlicht: (2026)

Adaptive Retrieval-Augmented Generation for Conversational Systems
von: Wang, Xi, et al.
Veröffentlicht: (2024)

Ask Optimal Questions: Aligning Large Language Models with Retriever's Preference in Conversation
von: Yoon, Chanwoong, et al.
Veröffentlicht: (2024)

Conversational Text Extraction with Large Language Models Using Retrieval-Augmented Systems
von: Roy, Soham, et al.
Veröffentlicht: (2025)

Beyond Single Embeddings: Capturing Diverse Targets with Multi-Query Retrieval
von: Chen, Hung-Ting, et al.
Veröffentlicht: (2025)

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

MedEIR: A Specialized Medical Embedding Model for Enhanced Information Retrieval
von: Selvadurai, Anand, et al.
Veröffentlicht: (2025)

TempRetriever: Fusion-based Temporal Dense Passage Retrieval for Time-Sensitive Questions
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

RAC: Retrieval-Augmented Clarification for Faithful Conversational Search
von: Kebir, Ahmed Rayane, et al.
Veröffentlicht: (2026)

Investigating LLM Variability in Personalized Conversational Information Retrieval
von: Lupart, Simon, et al.
Veröffentlicht: (2025)

Adapting General-Purpose Embedding Models to Private Datasets Using Keyword-based Retrieval
von: Wei, Yubai, et al.
Veröffentlicht: (2025)

RALLRec: Improving Retrieval Augmented Large Language Model Recommendation with Representation Learning
von: Xu, Jian, et al.
Veröffentlicht: (2025)

LexRAG: Benchmarking Retrieval-Augmented Generation in Multi-Turn Legal Consultation Conversation
von: Li, Haitao, et al.
Veröffentlicht: (2025)

LegalMALR:Multi-Agent Query Understanding and LLM-Based Reranking for Chinese Statute Retrieval
von: Li, Yunhan, et al.
Veröffentlicht: (2026)