Framework di Reranking a Doppia Vista per il Recupero Documentale Multi-Salto
Un nuovo framework di reranking a cascata, DualView, affronta la sfida del question answering multi-salto identificando efficientemente i set di documenti minimi rilevanti tra i candidati recuperati. L'architettura presenta uno Scorer Locale che utilizza l'attenzione incrociata impilata per una valutazione fine della rilevanza query-documento e uno Scorer Globale che modella le dipendenze inter-documentali tramite aggregazione contestuale basata su Transformer. Un Gate Adattivo fonde dinamicamente queste viste in base alla semantica della query. Operando come una fase leggera post-recupero su candidati E5-base-v2, il modello ottiene risultati competitivi in condizioni di reranking su un insieme fisso di candidati con embedding offline memorizzati nella cache, risultando particolarmente eccezionale sul dataset MuSiQue con un punteggio di 99. Il lavoro è pubblicato su arXiv con ID 2605.18767.
Fatti principali
- DualView è un framework di reranking a cascata a doppia vista per il reranking documentale multi-salto.
- Comprende uno Scorer Locale con attenzione incrociata impilata e uno Scorer Globale con aggregazione contestuale basata su Transformer.
- Un Gate Adattivo fonde dinamicamente le viste locale e globale in base alla semantica della query.
- Il modello opera come una fase leggera post-recupero su candidati E5-base-v2.
- Utilizza embedding offline memorizzati nella cache in una configurazione di reranking su insieme fisso di candidati.
- Ottiene risultati competitivi, particolarmente eccezionali su MuSiQue con un punteggio di 99.
- Pubblicato su arXiv con ID 2605.18767.
- Affronta il question answering multi-salto che richiede l'aggregazione di informazioni da più documenti.
Entità
Istituzioni
- arXiv