Buchumschlag

Discrimination Is Generation: Unifying Ranking and Retrieval from a Tokenizer Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Wang, Shuli
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sample Is Feature: Beyond Item-Level, Toward Sample-Level Tokens for Unified Large Recommender Models
von: Wang, Shuli
Veröffentlicht: (2026)

OneRec: Unifying Retrieve and Rank with Generative Recommender and Iterative Preference Alignment
von: Deng, Jiaxin, et al.
Veröffentlicht: (2025)

Killing Two Birds with One Stone: Unifying Retrieval and Ranking with a Single Generative Recommendation Model
von: Zhang, Luankang, et al.
Veröffentlicht: (2025)

UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

Fusion-in-T5: Unifying Document Ranking Signals for Improved Information Retrieval
von: Yu, Shi, et al.
Veröffentlicht: (2023)

Harmonizing Generative Retrieval and Ranking in Chain-of-Recommendation
von: Liu, Yu, et al.
Veröffentlicht: (2026)

Unified Learning-to-Rank for Multi-Channel Retrieval in Large-Scale E-Commerce Search
von: Gaydhani, Aditya, et al.
Veröffentlicht: (2026)

RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs
von: Yu, Yue, et al.
Veröffentlicht: (2024)

RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation
von: Fu, Kairui, et al.
Veröffentlicht: (2026)

RankArena: A Unified Platform for Evaluating Retrieval, Reranking and RAG with Human and LLM Feedback
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

Enhancing Retrieval-Augmented Generation with Two-Stage Retrieval: FlashRank Reranking and Query Expansion
von: George, Sherine
Veröffentlicht: (2025)

Reasoning by Exploration: A Unified Approach to Retrieval and Generation over Graphs
von: Han, Haoyu, et al.
Veröffentlicht: (2025)

GRank: Towards Target-Aware and Streamlined Industrial Retrieval with a Generate-Rank Framework
von: Sun, Yijia, et al.
Veröffentlicht: (2025)

OneRanker: Unified Generation and Ranking with One Model in Industrial Advertising Recommendation
von: Sun, Dekai, et al.
Veröffentlicht: (2026)

Ranking Generated Answers: On the Agreement of Retrieval Models with Humans on Consumer Health Questions
von: Heineking, Sebastian, et al.
Veröffentlicht: (2024)

Scaling Transformers for Discriminative Recommendation via Generative Pretraining
von: Wang, Chunqi, et al.
Veröffentlicht: (2025)

From Principles to Applications: A Comprehensive Survey of Discrete Tokenizers in Generation, Comprehension, Recommendation, and Information Retrieval
von: Jia, Jian, et al.
Veröffentlicht: (2025)

Incorporating Token Importance in Multi-Vector Retrieval
von: S, Archish, et al.
Veröffentlicht: (2025)

A Unified Model and Document Representation for On-Device Retrieval-Augmented Generation
von: Killingback, Julian, et al.
Veröffentlicht: (2026)

Shifting from Ranking to Set Selection for Retrieval Augmented Generation
von: Lee, Dahyun, et al.
Veröffentlicht: (2025)

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

Establishing a Foundation for Tetun Ad-Hoc Text Retrieval: Stemming, Indexing, Retrieval, and Ranking
von: de Jesus, Gabriel, et al.
Veröffentlicht: (2024)

A Unified Retrieval Framework with Document Ranking and EDU Filtering for Multi-document Summarization
von: Tan, Shiyin, et al.
Veröffentlicht: (2025)

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

Towards a Search Engine for Machines: Unified Ranking for Multiple Retrieval-Augmented Large Language Models
von: Salemi, Alireza, et al.
Veröffentlicht: (2024)

Context-Aware Search and Retrieval Under Token Erasure
von: Ghasvarianjahromi, Sara, et al.
Veröffentlicht: (2026)

UniRank: Unified List-wise Reranking via Confidence-Ordered Denoising
von: Jia, Pengyue, et al.
Veröffentlicht: (2026)

Next-Scale Generative Reranking: A Tree-based Generative Rerank Method at Meituan
von: Wang, Shuli, et al.
Veröffentlicht: (2026)

TubiFM: Unified Item, Carousel, and Search Ranking for Streaming Discovery
von: Salle, Alexandre, et al.
Veröffentlicht: (2026)

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

TokenMixer-Large: Scaling Up Large Ranking Models in Industrial Recommenders
von: Jiang, Yuchen, et al.
Veröffentlicht: (2026)

ResRank: Unifying Retrieval and Listwise Reranking via End-to-End Joint Training with Residual Passage Compression
von: Ke, Xiaojie, et al.
Veröffentlicht: (2026)

Rankify: A Comprehensive Python Toolkit for Retrieval, Re-Ranking, and Retrieval-Augmented Generation
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

BiRD: A Bidirectional Ranking Defense Mechanism for Retrieval Augmented Generation
von: Gao, Chengcai, et al.
Veröffentlicht: (2026)

Full Stage Learning to Rank: A Unified Framework for Multi-Stage Systems
von: Zheng, Kai, et al.
Veröffentlicht: (2024)

Multilingual Humour-Aware Retrieval with Dense and Re-Ranking Models
von: Arampatzis, Georgios, et al.
Veröffentlicht: (2026)

Contrastive Retrieval Heads Improve Attention-Based Re-Ranking
von: Tran, Linh, et al.
Veröffentlicht: (2025)

STORE: Semantic Tokenization, Orthogonal Rotation and Efficient Attention for Scaling Up Ranking Models
von: Xu, Yi, et al.
Veröffentlicht: (2025)

TeaRAG: A Token-Efficient Agentic Retrieval-Augmented Generation Framework
von: Zhang, Chao, et al.
Veröffentlicht: (2025)

MBGR: Multi-Business Prediction for Generative Recommendation at Meituan
von: Li, Changhao, et al.
Veröffentlicht: (2026)