会話型リトリーバルのロバスト性リスク：Qwen3-Embeddingモデルにおけるノイズ感度の特定と軽減

要旨: 本稿では、現実的な対話環境における埋め込みベースの検索（retrieval）について、実証的な研究を提示する。ここでは、クエリは短く、対話のような形式で、しかも弱く指定されたものとなり、検索コーパスには構造化された対話アーティファクトが含まれる。Qwen3-embedding モデルに焦点を当てることで、本稿は導入（deployment）に関連する頑健性（robustness）の脆弱性を特定する。すなわち、クエリ提示（query prompting）なしの対話的検索において、構造化された対話形式のノイズが、意味的に有益ではないにもかかわらず、過度に検索可能になり、上位ランキング結果に侵入してくることがある。この失敗モードは、モデル規模にまたがって一貫して現れ、標準的なクリーン・クエリのベンチマークではほとんど見えない一方で、先行する Qwen の各バリアントや、他の広く用いられている密（dense）検索ベースラインよりも、Qwen3 でより顕著に強く表れる。さらに、本稿は軽量なクエリ提示が検索挙動を質的に変化させ、ノイズの侵入を効果的に抑制し、ランキングの安定性を回復することを示す。本研究結果は、対話的検索における十分に検討されていない頑健性リスクを浮き彫りにし、導入されたシステムの複雑さを反映した評価プロトコルの重要性を強調する。