多维度自洽偏好对齐的查询重写：用于对话式搜索
计算与语言
2026-04-09 v1 人工智能
摘要
对话式查询重写（CQR）旨在重写模糊查询，以实现更高效的对话式搜索。早期研究主要在孤立情况下进行重写，忽略了查询重写、 passages 检索和响应生成过程中产生的反馈。为解决此问题，我们提出了多维度自洽偏好对齐查询重写方法（MSPA-CQR）。具体而言，我们首先从三个维度（重写、检索和响应）构建自洽偏好对齐数据，以生成更具多样性的重写查询。随后，我们提出基于前缀引导的多维度直接偏好优化，以从三个不同维度学习偏好信息。实验结果表明，我们的MSPA-CQR在分布内和分布外场景中均有效。
引用
@article{arxiv.2604.06771,
title = {Multi-Faceted Self-Consistent Preference Alignment for Query Rewriting in Conversational Search},
author = {Zhiyu Cao and Peifeng Li and Qiaoming Zhu},
journal= {arXiv preprint arXiv:2604.06771},
year = {2026}
}
备注
ACL 2026 Findings