从相关性到权威性：网络搜索引擎中的权威感知生成式检索
信息检索
2026-04-21 v2 计算与语言
摘要
生成式信息检索(GenIR)将检索过程表述为文本到文本的生成任务，利用大语言模型的广泛知识。然而，现有工作主要优化相关性，而常常忽视文档的可信度。这在医疗和金融等高利害领域至关重要，因为仅依赖语义相关性可能检索到不可靠信息。为解决此问题，我们提出权威感知生成式检索器(AuthGR)，这是首个将权威性纳入GenIR的框架。AuthGR包含三个关键组件：(i)多模态权威评分，使用视觉语言模型从文本和视觉线索中量化权威性；(ii)三阶段训练流程，逐步向检索器灌输权威感知；(iii)混合集成流程，用于稳健部署。离线评估表明，AuthGR成功提升了权威性和准确性，我们的3B模型与14B基线模型性能相当。至关重要的是，在商业网络搜索平台上进行的大规模在线A/B测试和人工评估证实了真实用户参与度和可靠性的显著提升。
引用
@article{arxiv.2604.13468,
title = {From Relevance to Authority: Authority-aware Generative Retrieval in Web Search Engines},
author = {Sunkyung Lee and Jihye Back and Donghyeon Jeon and Soonhwan Kwon and Moonkwon Kim and Inho Kang and Jongwuk Lee},
journal= {arXiv preprint arXiv:2604.13468},
year = {2026}
}
备注
ACL 2026 (Industry Track)