KTRL+F：知识增强的文档内搜索
计算与语言
2025-03-12 v4
摘要
我们提出一个新问题 KTRL+F，一种知识增强的文档内搜索任务，需要通过单一自然语言查询，在具备外部源感知的情况下实时识别文档中所有语义目标。KTRL+F 解决文档内搜索的如下独特挑战：1）利用文档外知识以扩展关于目标的附加信息使用，2）在实时适用性与性能之间取得平衡。我们分析了 KTRL+F 中的多种基线并发现现有模型的局限，如幻觉、高延迟或难以利用外部知识。因此，我们提出一种知识增强短语检索模型，通过简单地将外部知识增强到短语嵌入中，展现出速度与性能间有前景的平衡。我们还进行了用户研究以验证解决 KTRL+F 能否提升用户搜索体验。结果表明，即便使用我们的简单模型，用户也能减少搜索时间、减少查询次数，并降低为收集证据而对其他源的额外访问。我们鼓励研究界致力于 KTRL+F 以增进更高效的文档内信息获取。
引用
@article{arxiv.2311.08329,
title = {KTRL+F: Knowledge-Augmented In-Document Search},
author = {Hanseok Oh and Haebin Shin and Miyoung Ko and Hyunji Lee and Minjoon Seo},
journal= {arXiv preprint arXiv:2311.08329},
year = {2025}
}