RCEM：面向分布偏移的鲁棒对话搜索嵌入器

RCEM 用 LLM 改写查询对齐对话，保留原嵌入空间。

资讯摘要

论文提出 RCEM，一种鲁棒对话搜索嵌入器，借助 LLM 的查询改写能力，同时不损失基座模型的泛化性。与以往直接学习对话到段落匹配的对话稠密检索方法不同，RCEM 将前置特殊 token 的对话对齐到 LLM 改写后的查询，并保留原始嵌入空间，使改写查询自动映射到相关段落。作者报告该设计可减少过拟合、无需对话到段落的相关性标注，且无需重建原嵌入器索引；实验称在分布偏移下最高提升 30%。

要点速读

1. RCEM 将对话对齐到 LLM 改写查询，而非直接学习对话到段落的匹配。
2. 保留原始嵌入空间，对话查询可直接用于原嵌入器构建的索引，无需重建。
3. 作者报告在分布偏移场景下相较此前方法最高提升 30%。

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 2026/10/27 08:00:28（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。