现有的科学文档检索（SDR）方法主要依赖于从文档间关系中学习的文档中心表示来进行文档-文档（doc-doc）检索。然而，随着LLM和RAG的兴起，SDR逐渐转向以问题为导向的检索，其中文档是针对自然语言问题（q-doc）进行检索的。这种转变导致了文档中心模型与问题驱动检索之间的系统性不匹配，包括（1）输入粒度（长文档 vs. 短问题），（2）语义重点（科学论述结构 vs. 具体问题意图），以及（3）训练信号（引用基于的相似性 vs. 问题导向的相关性）。为此，我们提出了UniFAR，一种统一的面向面检索框架，以在单一架构内联合支持doc-doc和q-doc SDR。UniFAR通过自适应多粒度聚合解决粒度差异，通过可学习的面向锚点对齐文档结构与问题意图，并通过联合训练统一doc-doc和q-doc监督。实验结果表明，UniFAR在多个检索任务和基础模型上均优于先前方法，证实了其有效性和通用性。
英文摘要：
Scientific document retrieval (SDR) plays a critical role in modern scientific research, supporting knowledge discovery and evidence-based reasoning. It has evolved along two paradigms: document--document (doc-doc) retrieval driven by inter-document contrastive learning, and question--document (q-doc) retrieval emerging from LLMs and RAG for natural-language interaction. In practice, scientific workflows rely on both paradigms, requiring retrieval of related papers given a seed document and identifying relevant documents given a user question. However, existing methods typically treat these paradigms separately, hindering their complementary strengths. To address this, we propose UniFAR, a unified facet-aware retrieval framework that jointly supports doc-doc and q-doc retrieval within a shared representation space. UniFAR introduces a multi-granularity representation and aggregation module to unify the encoding of short questions and long documents, and a facet-level modeling mechanism with learnable anchors to capture structured semantic roles and complex user intents. It further adopts a facet-aware joint training strategy that integrates doc-doc and q-doc contrastive objectives with facet-level alignment, enabling unified learning from both inter-document relations and question-oriented supervision. Experiments on three benchmark datasets under both doc-doc and q-doc settings across multiple backbone models show that UniFAR consistently outperforms strong baselines and generalizes effectively across different backbones.
FLeW: Facet-Level and Adaptive Weighted Representation Learning of Scientific Documents
School of Computer Science, Beihang University（北航计算机学院）；Beihang University（北航）；Institute of Artificial Intelligence, Beihang University（北航人工智能研究院）；Zhongguancun Laboratory（中关村实验室）；National Computer Network Emergency Response Technical Team/Coordination Center of China（中国计算机网络应急技术攻关团队/协调中心）
PairSem: LLM-Guided Pairwise Semantic Matching for Scientific Document Retrieval
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Korea University（高丽大学）；National Institutes of Health（美国国立卫生研究院）；Pohang University of Science and Technology（浦项科技大学）
Asking Clarifying Questions in Open-Domain Information-Seeking Conversations
Università della Svizzera italiana (USI)（瑞士意大利语区大学（USI））；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
用户往往无法在一个查询中表达其复杂的信息需求。因此，他们可能需要扫描多个结果页面或重新制定他们的查询，这可能是一个令人沮丧的经历。或者，系统可以通过主动询问用户的问题来澄清他们的信息需求，从而提高用户满意度。在会话系统中，提出澄清性问题尤其重要，因为它们只能返回有限数量的结果（通常只有一个）。在本文中，我们制定了开放域信息寻求会话系统中的问题澄清的任务。为此，我们提出了一种离线评估方法，并通过众包收集了一个名为Qulac的数据集。我们的数据集建立在TREC Web Track 2009-2012数据的基础上，由198个TREC主题的10 K多个问答对组成，涉及762个方面。我们在Oracle模型上的实验表明，只问一个好问题，就P@1而言，检索性能提高了170%以上，这清楚地表明了任务的潜在影响。我们进一步提出了一个检索框架，包括三个组成部分：问题检索，问题选择，和文档检索。特别是，我们的问题选择模型考虑到原始查询和以前的问答互动，同时选择下一个问题。我们的模型显著优于竞争基准。为了促进这一领域的研究，我们公开了Qulac。
