Buchumschlag

A Reproducibility Study of LLM-Based Query Reformulation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bigdeli, Amin, Rad, Radin Hamidi, Le, Hai Son, Incesu, Mert, Arabzadeh, Negar, Clarke, Charles L. A., Bagheri, Ebrahim
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

QueryGym: A Toolkit for Reproducible LLM-Based Query Reformulation
von: Bigdeli, Amin, et al.
Veröffentlicht: (2025)

ReFormeR: Learning and Applying Explicit Query Reformulation Patterns
von: Bigdeli, Amin, et al.
Veröffentlicht: (2026)

Adversarial Attacks against Neural Ranking Models via In-Context Learning
von: Bigdeli, Amin, et al.
Veröffentlicht: (2025)

Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models
von: Bigdeli, Amin, et al.
Veröffentlicht: (2026)

EMPRA: Embedding Perturbation Rank Attack against Neural Ranking Models
von: Bigdeli, Amin, et al.
Veröffentlicht: (2024)

Adapting Standard Retrieval Benchmarks to Evaluate Generated Answers
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

A Human-AI Comparative Analysis of Prompt Sensitivity in LLM-Based Relevance Judgment
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2025)

Benchmarking LLM-based Relevance Judgment Methods
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2025)

exHarmony: Authorship and Citations for Benchmarking the Reviewer Assignment Problem
von: Ebrahimi, Sajad, et al.
Veröffentlicht: (2025)

Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2026)

Benchmarking Prompt Sensitivity in Large Language Models
von: Razavi, Amirhossein, et al.
Veröffentlicht: (2025)

Peerispect: Claim Verification in Scientific Peer Reviews
von: Ghorbanpour, Ali, et al.
Veröffentlicht: (2026)

Fréchet Distance for Offline Evaluation of Information Retrieval Systems with Sparse Labels
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

A Comparison of Methods for Evaluating Generative IR
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

Evaluating the Robustness of Retrieval-Augmented Generation to Adversarial Evidence in the Health Domain
von: Amirshahi, Shakiba, et al.
Veröffentlicht: (2025)

Generative Information Retrieval Evaluation
von: Alaofi, Marwah, et al.
Veröffentlicht: (2024)

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

RAG over Thinking Traces Can Improve Reasoning Tasks
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2026)

ZeQR: Zero-shot Query Reformulation for Conversational Search
von: Yang, Dayu, et al.
Veröffentlicht: (2023)

GenQREnsemble: Zero-Shot LLM Ensemble Prompting for Generative Query Reformulation
von: Dhole, Kaustubh, et al.
Veröffentlicht: (2024)

Query Performance Prediction using Relevance Judgments Generated by Large Language Models
von: Meng, Chuan, et al.
Veröffentlicht: (2024)

AdaCQR: Enhancing Query Reformulation for Conversational Search via Sparse and Dense Retrieval Alignment
von: Lai, Yilong, et al.
Veröffentlicht: (2024)

ConvSearch-R1: Enhancing Query Reformulation for Conversational Search with Reasoning via Reinforcement Learning
von: Zhu, Changtai, et al.
Veröffentlicht: (2025)

Offline Evaluation of Set-Based Text-to-Image Generation
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

A Reproducibility Study of PLAID
von: MacAvaney, Sean, et al.
Veröffentlicht: (2024)

Rethinking LLM-Based Recommendations: A Personalized Query-Driven Parallel Integration
von: Han, Donghee, et al.
Veröffentlicht: (2025)

Optimal Dataset Size for Recommender Systems: Evaluating Algorithms' Performance via Downsampling
von: Arabzadeh, Ardalan
Veröffentlicht: (2025)

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

PeerPrism: Peer Evaluation Expertise vs Review-writing AI
von: Sadeghian, Soroush, et al.
Veröffentlicht: (2026)

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

Combining Query Performance Predictors: A Reproducibility Study
von: Saha, Sourav, et al.
Veröffentlicht: (2025)

Reformulating Sequential Recommendation: Learning Dynamic User Interest with Content-enriched Language Modeling
von: Jiang, Junzhe, et al.
Veröffentlicht: (2023)

Hypothetical Documents or Knowledge Leakage? Rethinking LLM-based Query Expansion
von: Yoon, Yejun, et al.
Veröffentlicht: (2025)

IterCQR: Iterative Conversational Query Reformulation with Retrieval Guidance
von: Jang, Yunah, et al.
Veröffentlicht: (2023)

AT-RAG: An Adaptive RAG Model Enhancing Query Efficiency with Topic Filtering and Iterative Reasoning
von: Rezaei, Mohammad Reza, et al.
Veröffentlicht: (2024)

Ranked List Truncation for Large Language Model-based Re-Ranking
von: Meng, Chuan, et al.
Veröffentlicht: (2024)

Pre-training vs. Fine-tuning: A Reproducibility Study on Dense Retrieval Knowledge Acquisition
von: Yao, Zheng, et al.
Veröffentlicht: (2025)

Towards Scalability and Extensibility of Query Reformulation Modeling in E-commerce Search
von: Zhang, Ziqi, et al.
Veröffentlicht: (2024)

Generative Query Reformulation Using Ensemble Prompting, Document Fusion, and Relevance Feedback
von: Dhole, Kaustubh D., et al.
Veröffentlicht: (2024)

Rethinking the Privacy of Text Embeddings: A Reproducibility Study of "Text Embeddings Reveal (Almost) As Much As Text"
von: Seputis, Dominykas, et al.
Veröffentlicht: (2025)