SemEval-2026 Task 8의 uva-irlab-conv: 학습 기반 희소 검색과 리스트와이즈 재순위화를 활용한 멀티턴 검색-증강 생성(RAG)
uva-irlab-conv at SemEval-2026 Task 8: Multi-Turn RAG with Learned Sparse Retrieval and Listwise Reranking
이 보고서는 멀티턴 검색 및 질의응답에 관한 SemEval-2026 Task 8에 대한 우리의 참여를 설명합니다. 이 태스크는 4개의 도메인(금융, 클라우드 문서, 정부, 위키백과)에 걸쳐 대화형 시스템을 평가하며, 사용 가능한 컬렉션에 완전한 응답을 생성하기에 충분한 증거가 포함되어 있지 않은 답변 불가능한 쿼리를 포함합니다. 우리는 학습 기반 희소 검색을 대규모 언어 모델(LLM) 기반 재순위화 및 생성과 결합하는 멀티턴 검색-증강 생성(RAG) 파이프라인을 제안합니다. 희소 검색을 기본 검색 방법으로 사용하여, 우리는 도메인 간의 강력한 일반화 성능을 활용합니다. 또한, 우리는 대화형 쿼리 재작성, 포인트와이즈(pointwise) 및 리스트와이즈(listwise) 재순위화, 그리고 최종 응답 생성을 위해 LLM의 긴 컨텍스트(long-context) 기능을 활용하며, 이 각 단계는 전체 대화 기록에 조건화됩니다. 이 다단계 설계는 검색 및 생성 전반에 걸쳐 대화 컨텍스트를 효과적으로 통합할 수 있게 하여, 도메인 간 견고성을 향상시킵니다.