論文の概要: Robust-IR @ SIGIR 2025: The First Workshop on Robust Information Retrieval

• arxiv url: http://arxiv.org/abs/2503.18426v1
• Date: Mon, 24 Mar 2025 08:10:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:33:15.306130
• Title: Robust-IR @ SIGIR 2025: The First Workshop on Robust Information Retrieval
• Title（参考訳）: Robust-IR @ SIGIR 2025: The First Workshop on Robust Information Retrieval
• Authors: Yu-An Liu, Haya Nachimovsky, Ruqing Zhang, Oren Kurland, Jiafeng Guo, Moshe Tennenholtz,
• Abstract要約: 本ワークショップの目的は、各研究の最新の成果を体系化し、このニッチ領域における包括的コミュニケーションを促進することである。 ミニカンファレンスの一方的な議論を避けるため、このワークショップでは、ラウンドテーブルやパネルディスカッションセッションなど、非常にインタラクティブな形式を採用しています。
• 参考スコア（独自算出の注目度）: 37.78695461439989
• License:
• Abstract: With the advancement of information retrieval (IR) technologies, robustness is increasingly attracting attention. When deploying technology into practice, we consider not only its average performance under normal conditions but, more importantly, its ability to maintain functionality across a variety of exceptional situations. In recent years, the research on IR robustness covers theory, evaluation, methodology, and application, and all of them show a growing trend. The purpose of this workshop is to systematize the latest results of each research aspect, to foster comprehensive communication within this niche domain while also bridging robust IR research with the broader community, and to promote further future development of robust IR. To avoid the one-sided talk of mini-conferences, this workshop adopts a highly interactive format, including round-table and panel discussion sessions, to encourage active participation and meaningful exchange among attendees.
• Abstract（参考訳）: 情報検索(IR)技術の進歩により、ロバスト性はますます注目を集めている。 テクノロジーを実際に導入する際には、通常の条件下での平均的なパフォーマンスだけでなく、様々な例外的な状況で機能を維持する能力についても検討する。 近年、IRロバスト性の研究は、理論、評価、方法論、応用をカバーしており、これら全ては増加傾向を示している。 本ワークショップの目的は、各研究の最新の成果を体系化し、このニッチ領域における包括的コミュニケーションを促進するとともに、より広いコミュニティと堅牢なIR研究を橋渡しし、堅牢なIRのさらなる発展を促進することである。 ミニ会議の一方的な議論を避けるため、このワークショップでは、参加者間の活発な参加と意味のある交流を促進するために、ラウンドテーブルやパネルディスカッションセッションを含む非常にインタラクティブな形式を採用しています。

関連論文リスト

• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Robust Information Retrieval [77.87996131013546]
  情報検索システムの堅牢性は ますます注目を集めています 本チュートリアルは、IRにおけるロバスト性問題に対するより広範な注意を喚起し、関連文献の理解を促進し、研究者や実践者の参入障壁を低くすることを目的としている。
  論文  参考訳（メタデータ） (2024-06-13T07:44:21Z)
• General Place Recognition Survey: Towards Real-World Autonomy [26.794603315981675]
  我々は、SLAM 2.0のフレームワークにおけるPRの重要な役割を強調します。 ロボットナビゲーションの新しいフェーズでは、高度な人工知能(AI)技術を統合することにより、スケーラブルで適応性があり、効率的なPRソリューションが求められている。 我々は、PRにおける現状のSOTA(State-of-the-art (SOTA))を、残りの課題と共に包括的にレビューし、ロボット工学におけるその幅広い応用を裏付ける。
  論文  参考訳（メタデータ） (2024-05-08T04:54:48Z)
• Visual Crowd Analysis: Open Research Problems [2.462045767312954]
  最新のディープラーニングアプローチにより、完全に自動化された視覚ベースのクラウド監視アプリケーションを開発できるようになった。 問題の大きさ、重要な技術進歩、研究コミュニティの一貫性のある関心にもかかわらず、克服すべき課題がまだたくさんある。
  論文  参考訳（メタデータ） (2023-08-21T12:24:20Z)
• Information Retrieval Meets Large Language Models: A Strategic Report from Chinese IR Community [180.28262433004113]
  大規模言語モデル(LLM)は、テキスト理解、生成、知識推論において例外的な能力を示した。 LLMと人間は、情報検索のためにより強力な新しい技術パラダイムを形成します。 LLMがIR研究に与える影響を徹底的に議論するため、中国のIRコミュニティは2023年4月に戦略的ワークショップを開催した。
  論文  参考訳（メタデータ） (2023-07-19T05:23:43Z)
• Image-text Retrieval: A Survey on Recent Research and Development [58.060687870247996]
  クロスモーダル画像テキスト検索(ITR)は、優れた研究価値と幅広い実世界の応用により、研究コミュニティへの関心が高まっている。 本稿では,ITRのアプローチに関する4つの視点から,包括的かつ最新の調査を行う。
  論文  参考訳（メタデータ） (2022-03-28T13:00:01Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。