Caraman 在 SemEval-2026 任务 8：使用查询重写、混合搜索和跨编码器重排序的三阶段多轮检索

我们描述了 SemEval-2026 任务 8 (MTRAGEval) 的系统，该系统参与了四个英语语言领域的任务 A（检索）。我们的方法采用三阶段管道：（1）通过 LoRA 微调的 Qwen 2.5 7B 模型进行查询重写，将上下文相关的后续问题转换为独立查询，（2）通过倒数排名融合结合混合 BM25 和密集检索，以及（3）使用 BGE-reranker-v2-m3 进行交叉编码器重新排名。在官方测试集上，该系统的 nDCG@5 为 0.531，在 38 个参与系统中排名第 8，比组织者基线高出 10.7%。开发比较表明，查询生成的特定领域温度调整（其中技术领域受益于确定性解码，而一般领域受益于受控随机性）提供了一致的增益，而更复杂的策略（例如领域感知提示和多查询扩展）会降低性能。