「cs.IR」カテゴリーアーカイブ

Whom do Explanations Serve? A Systematic Literature Survey of User Characteristics in Explainable Recommender Systems Evaluation

投稿日: 2025年2月4日 作成者: jarxiv

要約 推薦システムに説明を加えることは、ユーザーの信頼やシステムの透明性を高める … 続きを読む →

カテゴリー: A.1, cs.AI, cs.HC, cs.IR | Whom do Explanations Serve? A Systematic Literature Survey of User Characteristics in Explainable Recommender Systems Evaluation はコメントを受け付けていません

mFollowIR: a Multilingual Benchmark for Instruction Following in Retrieval

投稿日: 2025年2月3日 作成者: jarxiv

要約 検索システムは一般に、短くて不足しているWebスタイルのクエリに焦点を当て … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG | mFollowIR: a Multilingual Benchmark for Instruction Following in Retrieval はコメントを受け付けていません

A Zero-Shot Generalization Framework for LLM-Driven Cross-Domain Sequential Recommendation

投稿日: 2025年2月3日 作成者: jarxiv

要約 ゼロショットクロスドメインの順次推奨（ZCDSR）は、追加のトレーニングや … 続きを読む →

カテゴリー: cs.AI, cs.IR | A Zero-Shot Generalization Framework for LLM-Driven Cross-Domain Sequential Recommendation はコメントを受け付けていません

LemmaHead: RAG Assisted Proof Generation Using Large Language Models

投稿日: 2025年1月31日 作成者: jarxiv

要約 数学的な問題を解決したり数学的証拠を書いたりするために必要なロジックを開発 … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG | LemmaHead: RAG Assisted Proof Generation Using Large Language Models はコメントを受け付けていません

Collecting Cost-Effective, High-Quality Truthfulness Assessments with LLM Summarized Evidence

投稿日: 2025年1月31日 作成者: jarxiv

要約 ガードレールがオンラインでの誤った情報や偽情報に対する劣化により、効果的に … 続きを読む →

カテゴリー: cs.CL, cs.HC, cs.IR | Collecting Cost-Effective, High-Quality Truthfulness Assessments with LLM Summarized Evidence はコメントを受け付けていません

Citation Recommendation based on Argumentative Zoning of User Queries

投稿日: 2025年1月31日 作成者: jarxiv

要約 引用勧告は、学者が引用する重要な論文を見つけることを目的としています。 引 … 続きを読む →

カテゴリー: cs.CL, cs.DL, cs.IR | Citation Recommendation based on Argumentative Zoning of User Queries はコメントを受け付けていません

RbFT: Robust Fine-tuning for Retrieval-Augmented Generation against Retrieval Defects

投稿日: 2025年1月31日 作成者: jarxiv

要約 検索された生成（RAG）は、知識ベースから取得された外部知識を統合すること … 続きを読む →

カテゴリー: cs.CL, cs.IR | RbFT: Robust Fine-tuning for Retrieval-Augmented Generation against Retrieval Defects はコメントを受け付けていません

Can we Retrieve Everything All at Once? ARM: An Alignment-Oriented LLM-based Retrieval Method

投稿日: 2025年1月31日 作成者: jarxiv

要約 実際のオープンドメインの質問は、特にそれらに答えるには複数の情報源からの情 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.IR | Can we Retrieve Everything All at Once? ARM: An Alignment-Oriented LLM-based Retrieval Method はコメントを受け付けていません

Cross-Language Approach for Quranic QA

投稿日: 2025年1月30日 作成者: jarxiv

要約 質問応答システムは、限られたリソースと希少なデータを持つ言語の重大な制限に … 続きを読む →

カテゴリー: cs.CL, cs.IR | Cross-Language Approach for Quranic QA はコメントを受け付けていません

Uncertainty Quantification and Decomposition for LLM-based Recommendation

投稿日: 2025年1月30日 作成者: jarxiv

要約 推奨のために大規模な言語モデル（LLMS）が広く採用されているにもかかわら … 続きを読む →

カテゴリー: cs.CL, cs.IR | Uncertainty Quantification and Decomposition for LLM-based Recommendation はコメントを受け付けていません