Cool Papers · cs.IR (papers.cool) · RSS 摘要

信源：Cool Papers · cs.IR (papers.cool) · https://papers.cool/arxiv/cs.IR/feed

• 推理质量至关重要：抵御基于LLM嵌入学习中的推理崩溃 — LLM最近在生成上下文丰富的文本嵌入以用于检索方面展现出强大潜力。大多数现有方法要么将嵌入学习视为...
• FacetCRS：刺破对话式推荐系统中过滤气泡的多方面偏好学习 — 过滤气泡是推荐系统（RS）中一个臭名昭著的问题，它描述了用户接触到的信息或内容范围有限且狭窄的现象...
• 重排序前三思：用于文本重排序的多视角证据与推理融合 — 基于LLM的推理式重排序在文本排序中显示出显著改进。然而，当前方法主要依赖单一的推理轨迹...
• 缺失的补充：用于Coding Agents的状态条件最小充分证据 — 一个中途处理问题的coding agent已经阅读了检索器评分最高的大部分内容。相关性按段落评分，但充分性属于集合层面：ranker可以将所有相关片段排在前面...
• 复现透明且可审查的推荐：通过自然语言用户配置文件探索开放权重模型 — 在这项可复现性研究中，我们调查了通过集成生成的、表示用户偏好的自然语言用户配置文件来增强的推荐系统的透明性和可审查性...