WSDM Cup 2026 多语言检索：低成本多阶段检索管线
信息检索
2026-02-20 v1
摘要
我们提出一个低成本检索系统，用于 WSDM Cup 2026 多语言检索任务，该任务使用英文查询从约十 million 篇中文、波斯语和俄语新闻文章中检索相关文档，并输出每个查询的前 1000 名排序结果。我们遵循四阶段管线，将 LLM-based GRF 风格的查询扩展与 BM25 候选检索相结合，使用来自 jina-embeddings-v4 的长文本表示进行稠密排序，并对前 20 个候选结果使用 Qwen3-Reranker-4B 进行点排序，同时保持稠密排序的其余结果。在官方评估中，系统实现了 nDCG@20 为 0.403 和 Judged@20 为 0.95。我们进一步进行了大量消融实验，量化每个阶段的贡献，并分析了在有限计算预算下查询扩展、稠密排序和 top-k 重排序的有效性。
引用
@article{arxiv.2602.16989,
title = {WSDM Cup 2026 Multilingual Retrieval: A Low-Cost Multi-Stage Retrieval Pipeline},
author = {Chentong Hao and Minmao Wang},
journal= {arXiv preprint arXiv:2602.16989},
year = {2026}
}