재순위화(Reranking)를 위한 다중 관점 증거 및 추론 통합: Think Thrice Before Reranking

요약

본 논문은 LLM 기반 재순위화의 한계점인 단일 추론 경로 의존성 문제를 해결하기 위해 MERIT-Rank 프레임워크를 제안합니다. 이 방법은 다중 관점 증거 및 추론을 통합하여 질의-문서 관련성을 평가하고, 공동 재순위기를 통해 견고한 순위를 결정합니다. 또한 PRPO라는 점진적 학습 프레임워크로 랭킹 품질 개선까지 시도했습니다.

핵심 포인트

• MERIT-Rank는 다중 추론 공간(MTRS)을 공식화하여 여러 관점에서 관련성을 평가합니다.
• 공동 재순위기 도입으로 단일 경로 의존성 문제를 해결하고 견고성을 높였습니다.
• PRPO를 통해 점진적 랭크 정책 최적화를 수행하며 성능을 개선했습니다.
• 4B 모델이 대형 경쟁사 기준선들을 능가하는 우수한 성능을 입증했습니다.