論文の概要: Advancing the Search Frontier with AI Agents
- arxiv url: http://arxiv.org/abs/2311.01235v2
- Date: Tue, 2 Apr 2024 19:22:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 16:30:45.441106
- Title: Advancing the Search Frontier with AI Agents
- Title(参考訳): AIエージェントによる検索フロンティアの強化
- Authors: Ryen W. White,
- Abstract要約: 複雑な検索タスクは、初歩的な事実発見や再定義のサポート以上のものを必要とする。
近年の人工人工知能(AI)の出現は、検索者にさらなる支援を提供する可能性がある。
この記事では、これらの問題とAIエージェントが検索システムの能力のフロンティアをいかに前進させているかを考察する。
- 参考スコア(独自算出の注目度): 6.839870353268828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As many of us in the information retrieval (IR) research community know and appreciate, search is far from being a solved problem. Millions of people struggle with tasks on search engines every day. Often, their struggles relate to the intrinsic complexity of their task and the failure of search systems to fully understand the task and serve relevant results. The task motivates the search, creating the gap/problematic situation that searchers attempt to bridge/resolve and drives search behavior as they work through different task facets. Complex search tasks require more than support for rudimentary fact finding or re-finding. Research on methods to support complex tasks includes work on generating query and website suggestions, personalizing and contextualizing search, and developing new search experiences, including those that span time and space. The recent emergence of generative artificial intelligence (AI) and the arrival of assistive agents, based on this technology, has the potential to offer further assistance to searchers, especially those engaged in complex tasks. There are profound implications from these advances for the design of intelligent systems and for the future of search itself. This article, based on a keynote by the author at the 2023 ACM SIGIR Conference, explores these issues and how AI agents are advancing the frontier of search system capabilities, with a special focus on information interaction and complex task completion.
- Abstract(参考訳): 情報検索(IR)研究コミュニティにいる私たちの多くが知っているように、検索は解決された問題には程遠い。
何百万人もの人が毎日、検索エンジンのタスクに苦労している。
多くの場合、彼らの苦労は、そのタスクの本質的な複雑さと、そのタスクを完全に理解し、関連する結果を提供するための検索システムの失敗に関係している。
このタスクは、検索を動機付け、検索者がブリッジ/リゾリュートしようとするギャップ/プロブレマ的な状況を作り出し、異なるタスクファセットで作業するときに検索動作を駆動する。
複雑な検索タスクは、初歩的な事実発見や再定義のサポート以上のものを必要とする。
複雑なタスクをサポートする方法の研究には、クエリとWebサイトの提案の生成、検索のパーソナライズとコンテキスト化、時間と空間にまたがる新しい検索エクスペリエンスの開発などが含まれる。
近年の人工人工知能(AI)の出現と、この技術に基づく補助エージェントの到来は、検索者、特に複雑なタスクに携わる人々にさらなる支援を提供する可能性がある。
インテリジェントシステムの設計や検索自体の将来には、これらの進歩から大きな影響がある。
この記事では、2023 ACM SIGIR Conferenceの著者による基調講演に基づいて、これらの問題とAIエージェントが、情報インタラクションと複雑なタスク完了に特に焦点をあてて、検索システム機能のフロンティアをいかに前進させているかを探求する。
関連論文リスト
- WESE: Weak Exploration to Strong Exploitation for LLM Agents [95.6720931773781]
本稿では,オープンワールド対話型タスクの解法において,LLMエージェントの強化を目的としたWeak Exploration to Strong Exploitation (WESE)を提案する。
WESEは、探究と搾取のプロセスを分離し、費用対効果の弱いエージェントを用いて世界的知識の探索を行う。
次に、獲得した知識を格納し、タスク関連知識を抽出する知識グラフベースの戦略を導入する。
論文 参考訳(メタデータ) (2024-04-11T03:31:54Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳(メタデータ) (2024-04-09T15:01:51Z) - CoSearchAgent: A Lightweight Collaborative Search Agent with Large
Language Models [13.108014924612114]
大規模言語モデル(LLM)を利用した軽量協調検索エージェントであるCoSearchAgentを提案する。
CoSearchAgentはSlackプラグインとして設計されており、このプラットフォーム上での多人数会話中の協調検索をサポートする。
検索結果に基づいた回答でユーザクエリに応答できる。
論文 参考訳(メタデータ) (2024-02-09T12:10:00Z) - Search Still Matters: Information Retrieval in the Era of Generative AI [1.68609633200389]
この視点は、IRプロセスのモチベーション、考慮、結果の文脈における生成的AIの使用を探求する。
このようなシステムのユーザ、特に学者は、信頼性、タイムライン、検索の文脈化に関する懸念を持っている。
論文 参考訳(メタデータ) (2023-11-30T13:36:21Z) - Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳(メタデータ) (2023-10-23T05:52:09Z) - Investigating Conversational Search Behavior For Domain Exploration [0.5512295869673147]
本研究では,未知の情報景観を通したナビゲーションのオープンな探索行動について検討する。
5つの領域にわたる一般的な情報探索パターンを明らかにするために,統計解析とプロセスマイニング手法を適用した。
論文 参考訳(メタデータ) (2023-01-10T17:43:03Z) - Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。
専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。
専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
論文 参考訳(メタデータ) (2022-01-24T14:27:00Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - On the Social and Technical Challenges of Web Search Autosuggestion
Moderation [118.47867428272878]
自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。
現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。
問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
論文 参考訳(メタデータ) (2020-07-09T19:22:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。