Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2505.20046

帮助 | 高级搜索

计算机科学 > 信息检索

arXiv:2505.20046 (cs)
[提交于 2025年5月26日 ]

标题: REARANK:通过强化学习进行推理重新排序的代理

标题: REARANK: Reasoning Re-ranking Agent via Reinforcement Learning

Authors:Le Zhang, Bo Wang, Xipeng Qiu, Siva Reddy, Aishwarya Agrawal
摘要: 我们提出REARANK,一个基于大型语言模型(LLM)的列表推理重新排序代理。 REARANK在重新排序之前显式地进行推理,显著提高了性能和可解释性。 利用强化学习和数据增强,REARANK在流行的信息检索基准测试中相对于基线模型取得了显著改进,特别是在仅需要179个标注样本的情况下。 基于Qwen2.5-7B构建,我们的REARANK-7B在领域内和领域外基准测试中的表现与GPT-4相当,甚至在推理密集型的BRIGHT基准测试中超越了GPT-4。 这些结果证明了我们方法的有效性,并突显了强化学习如何在重新排序中增强LLM的推理能力。
摘要: We present REARANK, a large language model (LLM)-based listwise reasoning reranking agent. REARANK explicitly reasons before reranking, significantly improving both performance and interpretability. Leveraging reinforcement learning and data augmentation, REARANK achieves substantial improvements over baseline models across popular information retrieval benchmarks, notably requiring only 179 annotated samples. Built on top of Qwen2.5-7B, our REARANK-7B demonstrates performance comparable to GPT-4 on both in-domain and out-of-domain benchmarks and even surpasses GPT-4 on reasoning-intensive BRIGHT benchmarks. These results underscore the effectiveness of our approach and highlight how reinforcement learning can enhance LLM reasoning capabilities in reranking.
主题: 信息检索 (cs.IR) ; 计算与语言 (cs.CL)
引用方式: arXiv:2505.20046 [cs.IR]
  (或者 arXiv:2505.20046v1 [cs.IR] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.20046
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Le Zhang [查看电子邮件]
[v1] 星期一, 2025 年 5 月 26 日 14:31:48 UTC (2,247 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs.CL
cs.IR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号