論文の概要: E-SENS: Exclusion-Sensitive Penalization for Negative-Constraint Retrieval
- arxiv url: http://arxiv.org/abs/2608.30130v2
- Date: Tue, 01 Sep 2026 03:51:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 14:14:25.998809
- Title: E-SENS: Exclusion-Sensitive Penalization for Negative-Constraint Retrieval
- Title（参考訳）: E-SENS:否定的制約検索のための排他的罰則
- Authors: Yerang Kim, Jiyoon Myung, Joohyung Han,
- Abstract要約: E-SENSは、否定に敏感な検索のためのトレーニング不要なランク付け方法である。
ExcluIRでは、E-SENSは4つの埋め込みモデルにまたがる明確なリコール違反のトレードオフを示している。
- 参考スコア（独自算出の注目度）: 0.6372261626436676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retrieval-augmented language models can fail to respect negative constraints when the retriever supplies evidence about concepts the user explicitly excluded. Beyond explicit negation, queries may ask for answers that include one concept while excluding another, or for entities that belong to a category but differ from a closely related instance. Because the excluded concept still appears in the query text, dense retrievers may assign high similarity to documents about that concept even when the user asks to avoid it. We introduce E-SENS, a training-free reranking method for negation-sensitive retrieval. E-SENS extracts a compact trap query for the excluded side and subtracts trap-query similarity from the original-query retrieval score. On ExcluIR, E-SENS shows a clear recall-violation trade-off across four embedding models and reduces trap retrieval at recall-preserving settings.
- Abstract（参考訳）: 検索可能な言語モデルは、ユーザが明示的に除外した概念に関する証拠を提供すると、負の制約を尊重することができない。
明示的な否定の他に、クエリは別の概念を除外しながらある概念を含む回答を求めることや、カテゴリに属するが、密接に関連するインスタンスとは異なるエンティティを求めることができる。
除外された概念は依然としてクエリテキストに現れるため、密集した検索者は、ユーザーがそれを避けるよう要求しても、その概念に関する文書に高い類似性を割り当てることができる。
E-SENSは, 否定感性検索のためのトレーニング不要な格付け手法である。
E-SENSは、除外された側に対するコンパクトなトラップクエリを抽出し、元のクエリ検索スコアからトラップ-クエリ類似性を減じる。
ExcluIRでは、E-SENSは4つの埋め込みモデルにまたがる明確なリコール違反のトレードオフを示し、リコール保存設定時のトラップ検索を減らす。
関連論文リスト
- When Hard Negatives Hurt: Bridging the Generative-Discriminative Gap in Hard Negative Synthesis for Retrieval [45.5843471557695]
比較学習に生成した負を鼻で組み込むことは、検索性能を劣化させることが多いことを示す。
本分析では, 識別非依存型生成とソース依存型ショートカットの2つの複合的障害モードを明らかにした。
このギャップを埋めるために、2つの主加群からなるCausalNegを提案する。
論文 参考訳（メタデータ） (2026-05-31T15:48:30Z) - Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。
それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。
一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
論文 参考訳（メタデータ） (2026-03-10T06:31:44Z) - Reasoning-Augmented Representations for Multimodal Retrieval [27.4146940988752]
Universal Multimodal Retrieval (UMR) は、テキストと視覚を横断する任意の検索を求める。
画像が“サイレント”なエビデンスを持ち、クエリがキーセマンティクスを暗黙的に残す場合、単一の埋め込みパスは理由と圧縮の両方でなければならない。
本稿では、検索前の推論を外部化することで、これらの役割を分離するデータ中心のフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-06T19:01:54Z) - Gumbel Reranking: Differentiable End-to-End Reranker Optimization [61.16471123356738]
RAGシステムは関連する文書を識別するためにリランカーに依存している。
注釈付きクエリ-ドキュメントペアが不足しているため、これらのモデルの微調整は依然として難しい。
我々は,トレーニングと推論のギャップを最小限に抑えることを目的とした,リランカーのためのエンドツーエンドのトレーニングフレームワークであるGumbel Re rankを提案する。
論文 参考訳（メタデータ） (2025-02-16T13:23:39Z) - Constructing Set-Compositional and Negated Representations for First-Stage Ranking [23.123116796159717]
本稿では,クエリの否定的な部分のみをペナライズするDistangled Negationと,交点を扱うLSRの能力を向上するCombined Pseudo-Termアプローチを紹介する。
私たちのゼロショットアプローチは競争力があり、しばしば合成データに基づいて調整されたレトリバーよりも優れています。
論文 参考訳（メタデータ） (2025-01-13T20:32:38Z) - SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。
類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。
文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
論文 参考訳（メタデータ） (2024-06-15T21:57:03Z) - ExcluIR: Exclusionary Neural Information Retrieval [74.08276741093317]
本稿では,排他的検索のためのリソースセットであるExcluIRを提案する。
評価ベンチマークには3,452の高品質な排他的クエリが含まれている。
トレーニングセットには70,293の排他的クエリが含まれており、それぞれに正のドキュメントと負のドキュメントがペアリングされている。
論文 参考訳（メタデータ） (2024-04-26T09:43:40Z) - Elastic Weight Removal for Faithful and Abstractive Dialogue Generation [61.40951756070646]
対話システムは、関連する文書に含まれる知識に忠実な応答を生成するべきである。
多くのモデルは、それと矛盾したり、検証不可能な情報を含んでいる代わりに幻覚応答を生成する。
本手法は,幻覚と抽出反応を同時に阻止するために拡張できることが示唆された。
論文 参考訳（メタデータ） (2023-03-30T17:40:30Z)
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。