信息检索遇见大语言模型：来自中国 IR 社区的战略报告
信息检索
2023-07-28 v2 人工智能
摘要
信息检索 (IR) 研究领域已显著演进，从传统搜索扩展至满足多样化的用户信息需求。近来，大语言模型 (LLMs) 在文本理解、生成与知识推理方面展现出卓越能力，为 IR 研究开辟了令人振奋的途径。LLMs 不仅促进了生成式检索，还为用户体验理解、模型评估及用户-系统交互提供了改进方案。更重要的是，IR 模型、LLMs 与人类之间的协同关系形成了一种更强大的信息搜寻新技术范式。IR 模型提供实时相关信息，LLMs 贡献内部知识，而人类作为需求方与评估方在信息服务的可靠性中扮演核心角色。然而，仍存在计算成本、可信度担忧、领域特定局限与伦理考量等重大挑战。为深入讨论 LLMs 对 IR 研究的变革性影响，中国 IR 社区于 2023 年 4 月举办了战略研讨会，产生了宝贵见解。本文总结了研讨会成果，包括对 IR 核心价值的反思、LLMs 与 IR 的相互增强、新型 IR 技术范式的提出以及开放挑战。
引用
@article{arxiv.2307.09751,
title = {Information Retrieval Meets Large Language Models: A Strategic Report from Chinese IR Community},
author = {Qingyao Ai and Ting Bai and Zhao Cao and Yi Chang and Jiawei Chen and Zhumin Chen and Zhiyong Cheng and Shoubin Dong and Zhicheng Dou and Fuli Feng and Shen Gao and Jiafeng Guo and Xiangnan He and Yanyan Lan and Chenliang Li and Yiqun Liu and Ziyu Lyu and Weizhi Ma and Jun Ma and Zhaochun Ren and Pengjie Ren and Zhiqiang Wang and Mingwen Wang and Ji-Rong Wen and Le Wu and Xin Xin and Jun Xu and Dawei Yin and Peng Zhang and Fan Zhang and Weinan Zhang and Min Zhang and Xiaofei Zhu},
journal= {arXiv preprint arXiv:2307.09751},
year = {2023}
}
备注
17 pages