LLM-IRA：用量子启发式排序聚合做文档重排

LLM 只判高分歧文档对，即可学出高效重排融合权重

资讯摘要

论文提出 LLM-IRA，将量子启发的交互式排序聚合框架扩展到文档重排。方法仅让大语言模型对分歧较大的文档对做成对判断，据此学习融合权重，最终排序为快速的点式线性融合，无需完整成对矩阵或列表式提示。在 BEIR 与 TREC DL 上，以 Llama-3.1-8B-Instruct 作判断模型，6 个基准中 5 个达到或略超强静态融合基线，两种权重更新变体在 4 个基准上对最佳无监督聚合器具统计显著性。

要点速读

1. 仅对高分歧文档对调用 LLM 做成对判断，学习融合权重，最终排序为点式线性融合
2. 使用 Llama-3.1-8B-Instruct 判断，在 BEIR 与 TREC DL 的 6 个基准中 5 个匹配或数值上超过强静态融合基线
3. 动量混合与累积历史重拟合两种权重更新在 4 个基准上对最佳无监督聚合器达 Wilcoxon 显著性（p<0.05）

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。