ReSCORE：基于相关性与一致性监督的多跳问答无标签迭代检索器训练
计算与语言
2025-11-27 v1
摘要
多跳问答（MHQA）涉及跨多个文档进行推理以回答复杂问题。密集检索器通常通过利用语义嵌入优于 BM25 等稀疏方法；然而，它们需要带标签的查询-文档对进行微调。由于在推理步骤中查询（重构后的问题）的高可变性，这在 MHQA 中构成了重大挑战。为了克服这一限制，我们引入了相关性与一致性检索器监督（ReSCORE），这是一种无需带标签文档即可为 MHQA 训练密集检索器的新方法。ReSCORE 利用大语言模型捕获每个文档与问题的相关性以及与正确答案的一致性，并在迭代问答框架中使用它们来训练检索器。在三个 MHQA 基准上的实验证明了 ReSCORE 的有效性，在检索方面取得了显著改进，进而实现了最先进的 MHQA 性能。我们的实现可在：https://leeds1219.github.io/ReSCORE 获取。
引用
@article{arxiv.2505.21250,
title = {ReSCORE: Label-free Iterative Retriever Training for Multi-hop Question Answering with Relevance-Consistency Supervision},
author = {Dosung Lee and Wonjun Oh and Boyoung Kim and Minyoung Kim and Joonsuk Park and Paul Hongsuck Seo},
journal= {arXiv preprint arXiv:2505.21250},
year = {2025}
}
备注
9 pages, 3 figures, ACL 2025