AdaRewriter：通过测试时适应释放基于提示的对话式查询重构的潜力
计算与语言
2025-10-29 v2
摘要
基于提示的对话式查询重构已成为对话式搜索的一种强大方法，可将模糊的用户查询精炼为独立的搜索查询。通过提示对生成的候选进行 Best-of-N 重构展现出了令人印象深刻的扩展潜力。然而，先前的微调方法（训练时）和适应方法（测试时）均无法充分发挥其优势。在本文中，我们提出了 AdaRewriter，这是一个通过测试时适应利用结果监督奖励模型进行查询重构的新颖框架。通过使用对比排序损失训练轻量级奖励模型，AdaRewriter 能够在推理过程中选择最有前景的重构结果。值得注意的是，它可以在黑盒系统中有效运行，包括商业 LLM API。在五个对话式搜索数据集上的实验表明，AdaRewriter 在大多数设置下均显著优于现有方法，证明了测试时适应在对话式查询重构方面的潜力。
引用
@article{arxiv.2506.01381,
title = {AdaRewriter: Unleashing the Power of Prompting-based Conversational Query Reformulation via Test-Time Adaptation},
author = {Yilong Lai and Jialong Wu and Zhenglin Wang and Deyu Zhou},
journal= {arXiv preprint arXiv:2506.01381},
year = {2025}
}
备注
Accepted by EMNLP 2025