본 논문은 CLEF CheckThat! 2025 경진대회의 하위 과제 4b(소셜 미디어 게시물에 대한 관련 과학 문헌 검색)에서 Deep Retrieval 팀이 사용한 방법론과 결과를 제시합니다. 비공식적 언어와 공식적 언어 간의 차이를 해소하는 강력한 검색을 가능하게 하기 위해, 어휘 정밀도, 의미 일반화, 심층 문맥 재순위 지정을 결합한 하이브리드 검색 파이프라인을 제안합니다. 구체적으로, 미세 조정된 INF-Retriever-v1 모델을 사용한 FAISS 벡터 저장소와 BM25 기반 키워드 매칭을 결합하여 상위 30개의 후보를 BM25로, 100개의 후보를 의미 검색으로 얻은 후, 대규모 언어 모델(LLM) 기반 교차 인코더를 통해 병합 및 재순위 지정합니다. 개발 세트에서 76.46%의 MRR@5, 숨겨진 테스트 세트에서 66.43%의 MRR@5를 달성하여 개발 리더보드 1위, 테스트 리더보드 3위(31개 팀 중)를 차지했습니다. 외부 훈련 데이터 없이 오픈소스 모델을 로컬에서 실행하여 이러한 성과를 달성했으며, 신중하게 설계되고 미세 조정된 검색 파이프라인의 효과를 강조합니다.
