論文の概要: Learning Multi-Step Query Rewriting via Corpus Feedback for Conversational Search

• arxiv url: http://arxiv.org/abs/2610.10955v1
• Date: Wed, 07 Oct 2026 22:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.688465
• Title: Learning Multi-Step Query Rewriting via Corpus Feedback for Conversational Search
• Title（参考訳）: 対話型検索のためのコーパスフィードバックによる複数ステップクエリ書き換え学習
• Abstract要約: Conversational Query Rewriting (CQR) はコンテキスト依存のユーザをリトリバー用のスタンドアロンクエリに変換する。 我々は、CQRをシーケンシャルな検索問題としてリキャストし、エージェントが現在のターンを書き換え、検索し、返却されたパスに対して次のリライトを行う。 教師付き微調整でポリシーを訓練し、人間による書き直しアノテーションを使わずに、単一の検索品質の報酬に対して強化学習を行った。
• 参考スコア（独自算出の注目度）: 9.59498122963732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational Query Rewriting (CQR) turns a context dependent user turn into a standalone query for a retriever, and most methods do this in a single step from the dialogue history before retrieving once. The rewrite is therefore fixed before any corpus evidence is available to correct its reference resolution or its vocabulary. We recast CQR as a sequential retrieval problem: an agent rewrites the current turn, retrieves, and conditions its next rewrite on the returned passages. The agent acts in a typed space of three rewriting operations, resolving conversational intent into a standalone query, generating lexical reformulations, or synthesizing pseudo-documents for document-to-document matching, together with a stop action that ends the episode. We train the policy with supervised fine-tuning followed by reinforcement learning against a single retrieval-quality reward, using no human rewrite annotations. Across TopiOCQA and QReCC, the agent outperforms several retrieval-aligned baselines, while remaining effective across retrieval backends and generalizing to the CAsT benchmarks without additional training. Further analysis shows that, through retrieval-reward optimization alone, the learned policy develops a behavior of grounding pseudo-documents in passages retrieved by earlier steps, substantially improving retrieval.
• Abstract（参考訳）: Conversational Query Rewriting (CQR) はコンテキスト依存のユーザをレトリバーのスタンドアロンクエリに変換し、ほとんどのメソッドは一度検索する前に対話履歴から単一のステップでこれを実行します。 したがって、コーパスの証拠が参照の解決や語彙の修正に利用可能になる前に、書き直しは固定される。 我々は、CQRをシーケンシャルな検索問題としてリキャストし、エージェントが現在のターンを書き換え、検索し、返却されたパスに対して次のリライトを行う。 エージェントは、3つの書き換え操作の型空間で動作し、会話意図をスタンドアロンのクエリに解決し、語彙再構成を生成したり、文書間マッチングのための擬似文書を合成したり、エピソードを終了する停止アクションと共に動作する。 教師付き微調整でポリシーを訓練し、人間による書き直しアノテーションを使わずに、単一の検索品質の報酬に対して強化学習を行った。 TopiOCQAとQReCC全体で、エージェントはいくつかの検索整列ベースラインを上回り、検索バックエンド全体で有効であり、追加のトレーニングなしでCAsTベンチマークに一般化する。 さらに分析した結果, 検索・逆最適化だけで, 学習ポリシは, 先行ステップで検索した経路に擬似文書を接地する動作を発達させ, 検索を著しく改善することがわかった。

関連論文リスト

• RCEM: Embedder Equipped with Query Rewriting Skill for Robust Conversational Search in Distributional Shift [7.4048532358172245]
  本稿では,LLMの問合せ変換能力を埋込みモデルに蒸留する,対話型高密度検索モデルRCEMを提案する。 直接の会話と文書のマッチングを学習する従来の会話の密集した検索手法とは異なり、RCEMは会話クエリの埋め込みと書き直しクエリの埋め込みを整列する。 QReCC、TopiOCQA、TREC CAsTの実験は、RCEMが強い会話検索ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-01T05:04:17Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Multi-Faceted Self-Consistent Preference Alignment for Query Rewriting in Conversational Search [25.48484246820614]
  我々はMSPA-CQR(Multi-faceted Self-Consistent Preference Aligned CQR)を提案する。 まず、3次元(書き直し、検索、応答)から自己整合性優先アライメントデータを構築し、より多様な書き直しクエリを生成する。 実験の結果,MSPA-CQRは分布内および分布外の両方に有効であることがわかった。
  論文  参考訳（メタデータ） (2026-04-08T07:38:45Z)
• ICR: Iterative Clarification and Rewriting for Conversational Search [25.48484246820614]
  そこで本研究では,明確化問題に焦点をあてた反復的書き換え方式を提案する。 このフレームワーク内では、モデルは明確化質問の生成とクエリの書き直しを交互に行う。 我々のICRは、明確化・書き換え反復プロセスにおける検索性能を継続的に改善することができる。
  論文  参考訳（メタデータ） (2025-09-05T13:37:04Z)
• Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
  The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T08:41:53Z)
• Conversational Query Reformulation with the Guidance of Retrieved Documents [4.438698005789677]
  本稿では,最初に検索したドキュメントからキー情報を活用することでクエリを洗練するフレームワークである GuideCQR を紹介する。 提案手法は,複数のデータセットにまたがる最先端性能を実現し,従来のCQR手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-07-17T07:39:16Z)
• Adaptive Query Rewriting: Aligning Rewriters through Marginal Probability of Conversational Answers [66.55612528039894]
  AdaQRは、シードデータセットからの限定的な書き直しアノテーションと完全にパスラベルのないクエリ書き換えモデルをトレーニングするフレームワークである。 会話クエリに条件付き回答の確率を用いて,これらの候補に対する検索者の嗜好を評価する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-16T16:09:05Z)
• Query Rewriting for Retrieval-Augmented Large Language Models [139.242907155883]
  大規模言語モデル(LLM)は、検索対象のパイプラインで強力なブラックボックスリーダーを動作させる。 この作業では、検索拡張LDMに対する以前の検索テーマ読み込みの代わりに、新しいフレームワークであるRewrite-Retrieve-Readを導入する。
  論文  参考訳（メタデータ） (2023-05-23T17:27:50Z)
• 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)

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。