Generative Query Expansion with Multilingual LLMs for Cross-Lingual Information Retrieval
Created by
Haebom
Category
Empty
저자
Olivia Macmillan-Scott, Roksana Goworek, Eda B. Ozyi\u{g}it
개요
본 연구는 사용자의 질의를 의미적으로 관련 있는 정보를 추가하여 재구성하는 질의 확장 기법을 평가하며, 특히 다국어 대규모 언어 모델(mLLM)을 활용한 생성적 질의 확장에 초점을 맞춥니다. mLLM 기반의 질의 확장은 유사어 및 관련 단어 추가를 넘어 가짜 문서를 생성하며, 이는 특히 밀집 검색에서 효과적입니다. 다양한 생성적 확장 전략을 통해 mLLM 및 미세 조정된 변형 모델의 성능을 평가하고, 교차 언어 검색 성능에 영향을 미치는 요인을 분석합니다.
시사점, 한계점
•
질의 길이에 따라 효과적인 프롬프트 기법이 달라지며, 복잡한 프롬프트가 항상 추가적인 성능 향상을 보장하지는 않음.
•
언어 간의 차이가 존재하여, 기저 성능이 낮은 언어에 대해 교차 언어 질의 확장이 가장 큰 개선을 가져올 수 있지만, 다른 스크립트의 언어 간 검색은 여전히 어려움.
