論文の概要: Overview of the TREC 2025 Tip-of-the-Tongue track
- arxiv url: http://arxiv.org/abs/2601.20671v1
- Date: Wed, 28 Jan 2026 14:51:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-29 15:46:06.983629
- Title: Overview of the TREC 2025 Tip-of-the-Tongue track
- Title（参考訳）: TREC 2025Tip-of-the-Tongueトラックの概要
- Authors: Jaime Arguello, Fernando Diaz, Maik Fröebe, To Eun Kim, Bhaskar Mitra,
- Abstract要約: TREC 2025 ToTトラックは、単一のアドホック検索タスクに焦点を当てた。
今年は、トラックを一般ドメインに拡張し、さまざまなソースからさまざまなテストクエリを組み込んだ。
- 参考スコア（独自算出の注目度）: 44.18900757791221
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tip-of-the-tongue (ToT) known-item retrieval involves re-finding an item for which the searcher does not reliably recall an identifier. ToT information requests (or queries) are verbose and tend to include several complex phenomena, making them especially difficult for existing information retrieval systems. The TREC 2025 ToT track focused on a single ad-hoc retrieval task. This year, we extended the track to general domain and incorporated different sets of test queries from diverse sources, namely from the MS-ToT dataset, manual topic development, and LLM-based synthetic query generation. This year, 9 groups (including the track coordinators) submitted 32 runs.
- Abstract（参考訳）: Tip-of-the-tongue (ToT) known-item searchでは、検索者が識別子を確実にリコールしないアイテムを再定義する。
ToT情報要求(またはクエリ)は冗長であり、いくつかの複雑な現象を含む傾向があるため、既存の情報検索システムでは特に困難である。
TREC 2025 ToTトラックは、単一のアドホック検索タスクに焦点を当てた。
今年、トラックを一般ドメインに拡張し、MS-ToTデータセット、手動トピック開発、LLMベースの合成クエリ生成など、さまざまなソースからさまざまなテストクエリを組み込んだ。
今年は9つのグループ(トラックコーディネーターを含む)が32本を提出した。
関連論文リスト
- Tip of the Tongue Query Elicitation for Simulated Evaluation [49.083870362622164]
Tip-of-the-tongue (TOT) 検索は、ユーザがドキュメントタイトルなどの特定の識別子を思い出すのに苦労する場合に発生する。
現在のアプローチはコミュニティ質問回答(CQA)のウェブサイトに大きく依存しており、労働集約的な評価とドメインバイアスにつながっている。
大規模言語モデル(LLM)と人的参加者を活用するため,TOTクエリを抽出する2つの手法を提案する。
論文 参考訳（メタデータ） (2025-02-25T02:11:42Z) - Holistically Guided Monte Carlo Tree Search for Intricate Information Seeking [118.3983437282541]
我々は,モンテカルロ木探索 (HG-MCTS) を用いた新たな情報探索パラダイムを採用したLLMベースの検索アシスタントを提案する。
本稿では,知識メモリを用いたプログレッシブ情報収集プロセスとしてタスクを再構築し,適応型チェックリストとMCTSのマルチパースペクティブ報酬モデルとを結合する。
マルチパースペクティブ報酬モデリングは、探索と検索の両方の報奨と、完了と残るサブゴールを追跡する進捗フィードバックを提供する。
論文 参考訳（メタデータ） (2025-02-07T08:36:39Z) - RALI@TREC iKAT 2024: Achieving Personalization via Retrieval Fusion in Conversational Search [24.464088639113417]
パーソナライズされた検索では、ユーザの複雑な検索意図を効果的にキャプチャするには、ユーザプロファイルからコンテキスト情報とキー要素の両方をクエリ再構成に組み込む必要がある。
これはオーバーパーソナライゼーション(over-personalization)という課題です。
そこで本研究では,クエリから生成したランキングリストを,パーソナライズレベルの違いで融合させることにより,異なる戦略を提案する。
論文 参考訳（メタデータ） (2024-12-11T00:44:52Z) - Multi-hop Evidence Pursuit Meets the Web: Team Papelo at FEVER 2024 [1.3923460621808879]
大規模言語モデル(LLM)の推論能力と,現代の検索エンジンの検索能力を組み合わせることで,この処理を自動化できることが示されている。
マルチホップエビデンス追跡戦略の下で,LSMと検索を統合した。
提案システムでは,開発セットで.510 AVeriTeC,テストセットで.477 AVeriTeCを達成した。
論文 参考訳（メタデータ） (2024-11-08T18:25:06Z) - I3: Intent-Introspective Retrieval Conditioned on Instructions [83.91776238599824]
I3は,タスク固有の訓練を使わずに,インストラクションに条件付けられた様々なタスクに対して,インテント・イントロスペクティブ検索を行う統合検索システムである。
I3は、特定の検索意図を理解するために、パラメータ分離された方法でプラグ可能なイントロスペクタを組み込む。
LLM生成データを利用してI3フェーズ・バイ・フェイズを訓練し、プログレッシブ・ストラクチャー・プルーニングとドローバック・ベースのデータリファインメントという2つの重要な設計を具現化した。
論文 参考訳（メタデータ） (2023-08-19T14:17:57Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳（メタデータ） (2020-05-24T11:37:22Z) - TREC CAsT 2019: The Conversational Assistance Track Overview [34.65827453762031]
Conversational Assistance Track (CAsT) は、CIS(Conversational Information Seeking)研究を促進するためのTREC 2019の新しいトラックである。
ドキュメントコーパスは、TREC Complex Answer Retrieval (CAR)とMicrosoft MAchine Reading COmprehension (MARCO)データセットから38,426,252パスである。
今年は、対話型クエリ理解とランキングのための様々な方法を使用して、合計65のランを提出した。
論文 参考訳（メタデータ） (2020-03-30T16:58:04Z)
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。