LLM 驱动的对话式信息检索中的查询理解
计算与语言
2025-04-10 v1
摘要
对话式信息检索中的查询理解涉及通过上下文感知的交互准确解释用户意图，这包括消除歧义、细化查询以及适应不断变化的信息需求。大型语言模型 (LLM) 通过解释细腻的语言并动态适应，提高了这一过程的效果，使搜索结果在相关性和精确度方面更为出色。本教程我们探索了增强 LLM 驱动对话式信息检索中查询理解的高级技术。我们深入探讨了利用 LLM 开发评估查询理解质量的多轮交互的评估指标、构建更互动系统的策略，以及类似于主动查询管理和查询改写的应用。我们还讨论了将 LLM 集成到对话搜索系统中进行查询理解的关键挑战，并概述了未来的研究方向。我们的目标是加深对 LLM 驱动对话查询理解的理解，激发讨论，以推动该领域的持续进步。
引用
@article{arxiv.2504.06356,
title = {Query Understanding in LLM-based Conversational Information Seeking},
author = {Yifei Yuan and Zahra Abbasiantaeb and Yang Deng and Mohammad Aliannejadi},
journal= {arXiv preprint arXiv:2504.06356},
year = {2025}
}
备注
WWW'25 Tutorial