BriefGPT - AI 论文速递
·
LLM-QE: Improving Query Expansion by Aligning Large Language Models with Ranking Preferences
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新方法LLM-QE，通过大型语言模型生成基于文档的查询扩展，显著提升信息检索性能。实验结果表明，LLM-QE在Contriever模型上实现了超过8%的性能提升，并通过引入基于答案的奖励模型，进一步提高了检索器的训练效果超过5%。
🎯
关键要点
- LLM-QE是一种新方法，通过大型语言模型生成基于文档的查询扩展，旨在改善信息检索中的查询扩展问题。
- 实验结果显示，LLM-QE在Contriever模型上实现了超过8%的性能提升。
- 引入基于答案的奖励模型，进一步提高了检索器的训练效果，提升幅度超过5%。
➡️
