大语言模型知晓你的上下文搜索意图：一种面向对话式搜索的提示框架
信息检索
2023-10-23 v2
摘要
精确理解用户的上下文搜索意图一直是对话式搜索的重要挑战。由于对话式搜索会话更具多样性且呈长尾分布，现有基于有限数据训练的方法在应对真实对话式搜索场景时，效果与鲁棒性仍不尽人意。近来，大语言模型（LLMs）已展现出令人惊叹的文本生成与对话理解能力。本工作中，我们提出一个简洁而有效的提示框架 LLM4CS，利用 LLMs 作为基于文本的搜索意图解释器以辅助对话式搜索。在该框架下，我们探索三种提示方法生成多组查询重写与假设性回复，并提议将其聚为可鲁棒表示用户真实上下文搜索意图的整合表征。在 CAsT-19、CAsT-20 与 CAsT-21 三个广泛使用的对话式搜索基准上的大量自动评估与人工评估表明，相较于现有方法甚至使用人工重写，我们简洁的 LLM4CS 框架性能卓越。我们的发现为更好理解与利用 LLMs 于对话式搜索提供了重要证据。
引用
@article{arxiv.2303.06573,
title = {Large Language Models Know Your Contextual Search Intent: A Prompting Framework for Conversational Search},
author = {Kelong Mao and Zhicheng Dou and Fengran Mo and Jiewen Hou and Haonan Chen and Hongjin Qian},
journal= {arXiv preprint arXiv:2303.06573},
year = {2023}
}
备注
Accepted to Findings of EMNLP 2023. Code: https://github.com/kyriemao/LLM4CS/