当搜索引擎服务遇见大型语言模型：愿景与挑战

将大型语言模型（LLM）与搜索引擎服务相结合标志着服务计算领域的重大变革，为增强我们如何搜索和检索信息、理解内容以及与互联网服务交互提供了新的可能性。本文深入审查了将LLM与搜索引擎集成如何相互受益。我们关注两个主要领域：使用搜索引擎改进LLM（Search4LLM）以及利用LLM增强搜索引擎功能（LLM4Search）。对于Search4LLM，我们探讨了搜索引擎如何为LLM预训练提供多样化的高质量数据集，如何使用最相关的文档帮助LLM更准确地回答查询，如何通过学习排序（LTR）任务训练LLM以提高其响应精度的能力，以及如何将最新的搜索结果纳入LLM生成内容以提高其准确性和时效性。在LLM4Search方面，我们检查了LLM如何用于为更好的索引编制内容摘要，如何通过优化来提高查询结果，如何通过分析文档相关性来提高搜索结果的排序，以及如何在各种学习情境中帮助为学习排序任务注释数据。然而，这一前景广阔的集成伴随着挑战，这些挑战包括解决训练模型中潜在的偏见和伦理问题、管理将LLM整合到搜索服务中的计算和其他成本，以及持续更新LLM训练以适应不断变化的网络内容。我们讨论了这些挑战并勾勒出解决这些问题所需的研究方向。我们还讨论了更广泛的服务计算含义，如可扩展性、隐私 concerns, 以及为这些先进模型调整搜索引擎架构的需要。