对话式检索的鲁棒性风险：识别并缓解 Qwen3-Embedding 模型中的噪声敏感性
信息检索
2026-04-09 v1 人工智能
计算与语言
摘要
我们提出了一项关于在真实对话场景下基于嵌入的检索的实证研究，其中查询简短、类对话且弱指定，检索语料库包含结构化的对话产物。聚焦于 Qwen3-embedding 模型，我们识别出一个与部署相关的鲁棒性漏洞：在没有查询提示的对话式检索中，结构化的对话式噪声可能变得不成比例地可检索，并侵入排名靠前的结果，尽管其在语义上不具有信息性。这种失效模式在不同模型规模下一致出现，在标准干净查询基准测试下基本不可见，并且在 Qwen3 中比早期 Qwen 变体和其他广泛使用的密集检索基线更为显著。我们进一步证明，轻量级查询提示可以定性改变检索行为，有效抑制噪声侵入并恢复排序稳定性。我们的发现揭示了对话式检索中一个未被充分探索的鲁棒性风险，并强调了评估协议应反映部署系统复杂性的重要性。
引用
@article{arxiv.2604.06176,
title = {Robustness Risk of Conversational Retrieval: Identifying and Mitigating Noise Sensitivity in Qwen3-Embedding Model},
author = {Weishu Chen and Zhouhui Hou and Mingjie Zhan and Zhicheng Zhao and Fei Su},
journal= {arXiv preprint arXiv:2604.06176},
year = {2026}
}