Skip to content
Hot eventLive

语料反馈学习多步查询改写用于对话搜索

1 reports1 sources3 hr ago updated

Get the story

AI overview

该研究将对话查询改写（CQR）重构为序列检索问题：智能体在包含三种改写操作与停止动作的类型化动作空间中，先改写当前轮次、执行检索，再基于返回段落条件化地进行下一次改写。策略先经监督微调，再以单一检索质量奖励做强化学习，无需人工改写标注。在 TopiOCQA 和 QReCC 数据集上优于多个检索对齐基线，跨检索后端保持有效，并免额外训练泛化到 CAsT 基准。

Generated from reports · updated 3 hr ago

LatestOct 9
研究提出语料反馈的多步查询改写框架，经 SFT 与检索奖励 RL 训练，在 TopiOCQA、QReCC 优于基线并泛化至 CAsT。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Information Retrieval
    通过语料反馈学习多步查询改写用于对话搜索

    该研究把对话查询改写（CQR）重构为序列检索问题：智能体在包含三种改写操作与停止动作的类型化空间中，先改写当前轮次、检索，再基于返回段落条件下一次改写。策略经监督微调后以单一检索质量奖励做强化学习，无需人工改写标注。在 TopiOCQA 和 QReCC 上优于多个检索对齐基线，跨检索后端保持有效，并免额外训练泛化到 CAsT 基准。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.