論文の概要: Musings About the Future of Search: A Return to the Past?

• arxiv url: http://arxiv.org/abs/2412.18956v1
• Date: Wed, 25 Dec 2024 18:09:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:24:18.605380
• Title: Musings About the Future of Search: A Return to the Past?
• Title（参考訳）: 検索の未来について知っておくべきこと:過去への回帰?
• Authors: Jimmy Lin, Pankaj Gupta, Will Horn, Gilad Mishne,
• Abstract要約: 質問がある場合、質問に答える最も効果的な方法は、トピックのエキスパートと直接接続することです。 文章の発明以前は、これが唯一の方法であった。 大規模言語モデルの出現により、ユーザが専門家に直接関与できるようにすることで、優れたエクスペリエンスを開発することが可能になった。
• 参考スコア（独自算出の注目度）: 45.20192024664689
• License:
• Abstract: When you have a question, the most effective way to have the question answered is to directly connect with experts on the topic and have a conversation with them. Prior to the invention of writing, this was the only way. Although effective, this solution exhibits scalability challenges. Writing allowed knowledge to be materialized, preserved, and replicated, enabling the development of different technologies over the centuries to connect information seekers with relevant information. This progression ultimately culminated in the ten-blue-links web search paradigm we're familiar with, just before the recent emergence of generative AI. However, we often forget that consuming static content is an imperfect solution. With the advent of large language models, it has become possible to develop a superior experience by allowing users to directly engage with experts. These interactions can of course satisfy information needs, but expert models can do so much more. This coming future requires reimagining search.
• Abstract（参考訳）: 質問に答える最も効果的な方法は、トピックの専門家と直接つながり、彼らと会話することです。 文章の発明以前は、これが唯一の方法であった。 有効ではあるが、このソリューションはスケーラビリティの課題を示す。 知識を書くことは、知識を物質化し、保存し、複製することを可能にし、何世紀にもわたって様々な技術を開発し、情報探索者と関連する情報とを結びつけることを可能にした。 この進歩は、ジェネレーティブAIが最近出現する直前に、私たちが慣れ親しんだ10ブルーリンクのウェブ検索パラダイムにおいて、最終的に頂点に達しました。 しかし、静的コンテンツを消費することが不完全な解決策であることを忘れがちです。 大規模言語モデルの出現により、ユーザが専門家に直接関与できるようにすることで、優れたエクスペリエンスを開発することが可能になった。 これらの相互作用は、もちろん情報のニーズを満たすことができますが、専門家モデルはもっと多くのことができます。 この将来は、検索を再考する必要がある。

関連論文リスト

• Generative AI's aggregated knowledge versus web-based curated knowledge [0.9208007322096533]
  既存の知識パラダイムや新たな知識パラダイムが,さまざまな方法で知識探索に有効であることを示す。 実験の結果、キュレートされたウェブ検索の価値は非常に具体的で、あまり知られていない知識が得られた。 ユーザがこれらの2つのアプローチで最も適した時期を識別する分類法を開発した。
  論文  参考訳（メタデータ） (2024-10-15T22:17:45Z)
• On the Challenges and Opportunities in Generative AI [135.2754367149689]
  現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。 本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
  論文  参考訳（メタデータ） (2024-02-28T15:19:33Z)
• AI for the Generation and Testing of Ideas Towards an AI Supported Knowledge Development Environment [2.0305676256390934]
  生成AIが人間のバイアスを排除してアイデア生成を促進する方法について論じる。 また、検索が事実、論理、文脈をどう検証できるかについても記述する。 本稿では,知識労働者のためのシステムであるジェネレーション・アンド・サーチ・テスト(Generate and Search Test)を紹介し,個人が効率的にソリューションを作成できるようにする。
  論文  参考訳（メタデータ） (2023-07-17T22:17:40Z)
• Late-Binding Scholarship in the Age of AI: Navigating Legal and Normative Challenges of a New Form of Knowledge Production [8.497410878853309]
  人工知能(AI)は、学術コンテンツの作成において、新たな飛躍を可能にする。 この記事では、これらのアーティファクトを書き、配布し、読み、整理し、保存する方法について述べます。
  論文  参考訳（メタデータ） (2023-05-04T04:14:28Z)
• Internet-Augmented Dialogue Generation [31.38493489631621]
  大きな言語モデルは、対話を生成するときに事実を幻覚させることが知られている。 本稿では,その文脈に基づいてインターネット検索クエリを生成する手法を提案する。 我々は、新たに収集された人間と人間の会話のデータセットに基づいて、そのようなモデルを訓練し、評価する。
  論文  参考訳（メタデータ） (2021-07-15T19:00:35Z)
• Retrieval-Free Knowledge-Grounded Dialogue Response Generation with Adapters [52.725200145600624]
  軽量アダプタで事前学習した言語モデルに事前知識を注入し、検索プロセスをバイパスする KnowExpert を提案する。 実験結果から,KnowExpertは検索ベースラインと相容れない性能を示した。
  論文  参考訳（メタデータ） (2021-05-13T12:33:23Z)
• Rethinking Search: Making Experts out of Dilettantes [55.90140165205178]
  情報を必要とする場合、ユーザは専門家と関わりたがるが、検索エンジンのような情報検索システムに目を向けることが多い。 本稿では,古典的情報検索と大規模学習済み言語モデルからアイデアをいかに合成し,専門家の助言の約束を真に果たすシステムへと進化させるかを検討する。
  論文  参考訳（メタデータ） (2021-05-05T18:40:00Z)
• A Graph-guided Multi-round Retrieval Method for Conversational Open-domain Question Answering [52.041815783025186]
  本稿では,会話のターン間の回答間の関係をモデル化するグラフ誘導検索手法を提案する。 また,検索コンテキストが現在の質問理解に与える影響を検討するために,マルチラウンド関連フィードバック手法を導入することを提案する。
  論文  参考訳（メタデータ） (2021-04-17T04:39:41Z)
• Expertise Style Transfer: A New Task Towards Better Communication between Experts and Laymen [88.30492014778943]
  そこで我々は,手動で注釈付きデータセットを手動で提供し,専門的なスタイルの転送を行う新しいタスクを提案する。 このタスクの解決は、プロの言語を単純化するだけでなく、レイメンの記述の正確さと専門性の向上にも寄与する。 スタイル転送とテキスト単純化のための5つの最先端モデルのベンチマーク性能を確立する。
  論文  参考訳（メタデータ） (2020-05-02T04:50:20Z)

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。