論文の概要: Search Still Matters: Information Retrieval in the Era of Generative AI

• arxiv url: http://arxiv.org/abs/2311.18550v2
• Date: Sun, 17 Dec 2023 18:57:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 19:36:31.922371
• Title: Search Still Matters: Information Retrieval in the Era of Generative AI
• Title（参考訳）: 検索は依然として重要だ: 生成ai時代の情報検索
• Authors: William R. Hersh
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.68609633200389
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Objective: Information retrieval (IR, also known as search) systems are ubiquitous in modern times. How does the emergence of generative artificial intelligence (AI), based on large language models (LLMs), fit into the IR process? Process: This perspective explores the use of generative AI in the context of the motivations, considerations, and outcomes of the IR process with a focus on the academic use of such systems. Conclusions: There are many information needs, from simple to complex, that motivate use of IR. Users of such systems, particularly academics, have concerns for authoritativeness, timeliness, and contextualization of search. While LLMs may provide functionality that aids the IR process, the continued need for search systems, and research into their improvement, remains essential.
• Abstract（参考訳）: 目的: 情報検索システム(IR、検索とも呼ばれる)は、現代においてユビキタスである。 大規模言語モデル(LLM)に基づく生成人工知能(AI)の出現は、IRプロセスにどのように適合するのか? プロセス: この視点は、そのようなシステムの学術的利用に焦点を当てたIRプロセスのモチベーション、考慮、成果の文脈における生成的AIの使用を探求する。 結論: 単純なものから複雑なものまで、irの使用を動機付ける多くの情報ニーズがあります。 このようなシステム、特に学者のユーザーは、権威性、タイムライン、検索の文脈化に懸念を持っている。 LLMはIRプロセスを支援する機能を提供しているが、検索システムへの継続的なニーズと改善の研究は依然として不可欠である。

関連論文リスト

• A Survey of Conversational Search [44.09402706387407]
  会話検索における最近の進歩と今後の方向性について検討する。 これらのシステムの拡張において,大規模言語モデル(LLM)の統合を強調した。 我々は,現実のアプリケーションに対する洞察と,現在の対話型検索システムの堅牢な評価を提供する。
  論文  参考訳（メタデータ） (2024-10-21T01:54:46Z)
• Robust Neural Information Retrieval: An Adversarial and Out-of-distribution Perspective [111.58315434849047]
  ニューラルネットワーク検索モデル(IR)モデルの堅牢性は、大きな注目を集めている。 我々は、IRの堅牢性を多面的概念とみなし、敵攻撃、アウト・オブ・ディストリビューション(OOD)シナリオ、パフォーマンスのばらつきに対してその必要性を強調している。 我々は,既存の手法,データセット,評価指標について詳細な議論を行い,大規模言語モデルの時代における課題や今後の方向性に光を当てる。
  論文  参考訳（メタデータ） (2024-07-09T16:07:01Z)
• Self-Retrieval: End-to-End Information Retrieval with One Large Language Model [97.71181484082663]
  本稿では,新たなLLM駆動情報検索アーキテクチャであるSelf-Retrievalを紹介する。 自己検索は、自己教師付き学習を通じて検索コーパスを内部化し、検索プロセスをシーケンシャルな通過生成に変換し、再ランク付けのための関連性評価を行う。
  論文  参考訳（メタデータ） (2024-02-23T18:45:35Z)
• Large Language Models for Information Retrieval: A Survey [58.30439850203101]
  情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。 近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。 LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
  論文  参考訳（メタデータ） (2023-08-14T12:47:22Z)
• Synergistic Interplay between Search and Large Language Models for Information Retrieval [141.18083677333848]
  InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。 InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
  論文  参考訳（メタデータ） (2023-05-12T11:58:15Z)
• Conceptual Modeling and Artificial Intelligence: A Systematic Mapping Study [0.5156484100374059]
  概念モデリング(CM)では、人間は理解とコミュニケーションの手段として現実の抜粋を抽象的に表現し、機械による処理を行う。 近年、CMとAIの連携のトレンドが生まれている。 本研究は,この学際研究分野がどのように構成され,相互利益は,学間研究と今後の研究の方向性によって得られるかを示す。
  論文  参考訳（メタデータ） (2023-03-12T21:23:46Z)
• Retrieval-Enhanced Machine Learning [110.5237983180089]
  本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。 REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。 REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
  論文  参考訳（メタデータ） (2022-05-02T21:42:45Z)
• Neural Approaches to Conversational Information Retrieval [94.77863916314979]
  会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。 近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。 この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
  論文  参考訳（メタデータ） (2022-01-13T19:04:59Z)
• Neural Methods for Effective, Efficient, and Exposure-Aware Information Retrieval [7.3371176873092585]
  情報検索の具体的なニーズと課題に動機づけられた新しいニューラルアーキテクチャと手法を紹介します。 多くの実生活のIRタスクにおいて、検索には数十億のドキュメントを含む商用Web検索エンジンのドキュメントインデックスなど、非常に大規模なコレクションが含まれる。
  論文  参考訳（メタデータ） (2020-12-21T21:20:16Z)

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。