E-SENS: Exclusion-Sensitive Penalization for Negative-Constraint Retrieval
研究人员提出了一种名为 E-SENS 的无需训练重排序方法，用于解决检索增强语言模型在负约束检索中忽略用户排除概念的问题。该方法通过提取针对被排除侧的紧凑陷阱查询，并从原始查询检索分数中减去该相似度得分。在 ExcluIR 基准测试中，E-SENS 在四种嵌入模型上均显示出明确的召回违背权衡关系，并在保持召回率的同时有效减少了陷阱检索。
摘要由 AI 生成
研究人员在 arXiv 上发布新论文，提出名为 E-SENS（Exclusion-Sensitive Penalization）的方法。该方法旨在解决负约束检索任务中因忽略被排除项而导致的性能下降问题。通过引入对排除条件的敏感性惩罚机制，E-SENS 能够更准确地处理包含否定信息的查询场景，从而提升检索系统的准确性与可靠性。
相关事件RELATED EVENTS
关键实体KEY ENTITIES
E-SENS
信号强度SIGNALS
关键词热度