热点事件观察中

研究者发布LLM-IRA量子启发排序聚合论文

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Quan Mai 等研究者在 arXiv 发布论文，提出 LLM-IRA 方法：首个将量子启发的交互式排序聚合框架扩展到文档重排序的方法，仅让 LLM 对高分歧文档对做成对判断来学习多检索器融合权重，无需训练数据或微调。实验使用 Llama-3.1-8B-Instruct 作裁判，在 BEIR 和 TREC Deep Learning 基准上，该方法在 6 个基准中的 5 个上追平或超越强静态融合基线，其中 4 个达到统计显著性（Wilcoxon p<0.05）。在 DL19、DL20 上每查询约 5 次 LLM 调用即可超越最佳无监督基线，成本与 SOTA zero-shot LLM 重排器相当但调用次数少一个数量级。

AI 根据报道生成 · 1 小时前更新

最新进展10月29日 02:55

LLM-IRA：基于主动 LLM 反馈的量子启发成对排序聚合

报道时间线

沿着报道，了解事件的不同侧面。

10月29日

02:55
arXiv · cs.CL
LLM-IRA：基于主动 LLM 反馈的量子启发成对排序聚合
研究者提出 LLM-IRA，首个将量子启发的交互式排序聚合框架扩展到文档重排序的方法，仅让 LLM 对高分歧文档对做成对判断来学习融合权重。在 BEIR 和 TREC Deep Learning 基准上使用 Llama-3.1-8B-Instruct 作裁判，该方法在 6 个基准中的 5 个上追平或超越强静态融合基线，在 4 个上达到统计显著性（Wilcoxon p<0.05）。DL19、DL20 上每查询仅需约 5 次 LLM 调用即可超越最佳无监督基线，成本与 SOTA zero-shot LLM 重排器相当但调用次数少一个数量级，且无需训练数据或微调。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。