arXiv cs.AI· Litong Zhang, Jiaxin Li, Kuo Zhao·· 12 小时前AI 评分10
DualView：面向多跳文档重排序的自适应局部-全局融合框架（已撤稿）
DualView: Adaptive Local-Global Fusion for Multi-Hop Document Reranking
AI 导读
论文 DualView 提出一种双视角级联重排序框架，在 E5-base-v2 候选集上以 Local Scorer 的堆叠交叉注意力与 Global Scorer 的 Transformer 文档间依赖建模。
正文 · AI 翻译
本文已被 Litong Zhang 撤回
摘要：多跳问答需要聚合来自多个文档的信息，这是知识密集型应用的一项关键能力。一个根本性挑战在于，如何从检索到的候选中高效识别出最小相关文档集，同时保持高召回率。
我们提出了一种用于多跳文档重排序的高效双视图级联重排序框架。该框架作为基于 E5-base-v2 候选的轻量级检索后阶段运行，其架构包括：(1) 一个局部评分器，采用堆叠交叉注意力实现细粒度的查询-文档相关性；(2) 一个全局评分器，通过基于 Transformer 的上下文聚合建模文档间依赖关系。这两个视图通过以查询语义为条件的自适应门控进行动态融合。
在固定候选集重排序设置下并使用离线缓存嵌入，我们的模型取得了有竞争力的结果，尤其在 MuSiQue 上表现突出，在 4.0 ms 延迟（249 QPS）下达到 99.4% 的 Top-4 召回率和 97.8% 的全命中准确率。它大幅优于 600M 参数的交叉编码器（BGE-Large：92.0% 召回率，Jina-v3：90.1% 召回率），同时保持低 5 至 6 倍的延迟。消融研究验证了局部视图和全局视图均对多跳性能有实质性贡献。
| 评论： | 此版本在 4.1.2 节存在严重的数据集错误。所使用的 MuSiQue 基准并非原始数据集，而是融合了来自 HotpotQA 和 MultiWiki 的困难负样本的修改变体，导致数据分布偏移。因此，由于评估非标准，4.2 节中的比较无效 |
| 主题： | 信息检索 (cs.IR)；人工智能 (cs.AI) |
| 引用为： | arXiv:2605.18767 [cs.IR] |
| （或 arXiv:2605.18767v2 [cs.IR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2605.18767 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Litong Zhang [查看邮箱]
[v1]
2026 年 4 月 13 日星期一 08:56:09 UTC（7,836 KB）
[v2]
2026 年 10 月 21 日星期三 04:30:16 UTC（1 KB）（已撤回）
来源：arXiv cs.AI · arxiv.org