研究者驳论文结论：OOD 无困惑度模型重排表现不差，Touché 评测基准存在问题

研究者引用一篇论文指出，其论证实际支持了与前提相反的结论：OOD 弱决策模型（不用 perplexity）在重排任务上几乎与专门调优的 pointwise ranker 一样好。研究认为，Touché 等评测的 qrels（相关性判断）本身存在问题并给出偏低分数；即使排除严重损坏的 qrels，只要正确定义被评测的相似度度量，看似奇怪的重排任务也能被解决。