論文の概要: Xinyu AI Search: Enhanced Relevance and Comprehensive Results with Rich Answer Presentations

• arxiv url: http://arxiv.org/abs/2505.21849v1
• Date: Wed, 28 May 2025 00:30:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.341526
• Title: Xinyu AI Search: Enhanced Relevance and Comprehensive Results with Rich Answer Presentations
• Title（参考訳）: Xinyu AI Search: リッチな回答提示による関連性の向上と総合的な結果
• Authors: Bo Tang, Junyi Zhu, Chenyang Xi, Yunhang Ge, Jiahao Wu, Yuchen Feng, Yijun Niu, Wenqiang Wei, Yu Yu, Chunyu Li, Zehao Lin, Hao Wu, Ning Liao, Yebin Yang, Jiajia Wang, Zhiyu Li, Feiyu Xiong, Jingrun Chen,
• Abstract要約: Xinyu AI Searchは、クエリ分解グラフを組み込んだ新しいシステムで、複雑なクエリを動的にサブクエリに分割する。 検索パイプラインは多ソースアグリゲーションとクエリ拡張によって多様性を高め、フィルタと再ランク戦略は通過妥当性を最適化する。 Xinyu AI Searchは、人間の評価において8つの既存の技術を上回っている。
• 参考スコア（独自算出の注目度）: 15.89383689179436
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional search engines struggle to synthesize fragmented information for complex queries, while generative AI search engines face challenges in relevance, comprehensiveness, and presentation. To address these limitations, we introduce Xinyu AI Search, a novel system that incorporates a query-decomposition graph to dynamically break down complex queries into sub-queries, enabling stepwise retrieval and generation. Our retrieval pipeline enhances diversity through multi-source aggregation and query expansion, while filtering and re-ranking strategies optimize passage relevance. Additionally, Xinyu AI Search introduces a novel approach for fine-grained, precise built-in citation and innovates in result presentation by integrating timeline visualization and textual-visual choreography. Evaluated on recent real-world queries, Xinyu AI Search outperforms eight existing technologies in human assessments, excelling in relevance, comprehensiveness, and insightfulness. Ablation studies validate the necessity of its key sub-modules. Our work presents the first comprehensive framework for generative AI search engines, bridging retrieval, generation, and user-centric presentation.
• Abstract（参考訳）: 従来の検索エンジンは複雑なクエリのために断片化された情報を合成するのに苦労し、生成可能なAI検索エンジンは関連性、包括性、プレゼンテーションの課題に直面している。 これらの制約に対処するために,複雑なクエリを動的にサブクエリに分割し,段階的に検索と生成を可能にする,クエリ分解グラフを組み込んだ新しいシステムであるXinyu AI Searchを導入する。 検索パイプラインは多ソースアグリゲーションとクエリ拡張によって多様性を高め、フィルタと再ランク戦略は通過妥当性を最適化する。 さらに、Xinyu AI Searchは、きめ細かな正確なビルトイン引用のための新しいアプローチを導入し、タイムラインの可視化とテキスト・ビジュアル・コレオグラフィーを統合することで、結果の提示を革新する。 最近の現実世界のクエリに基づいて評価され、Xinyu AI Searchは、人間の評価において8つの既存の技術より優れており、関連性、包括性、洞察力に優れています。 アブレーション研究は、その鍵部分加群の必要性を検証する。 我々の研究は、生成AI検索エンジン、ブリッジ検索、生成、ユーザ中心のプレゼンテーションのための、初めての包括的なフレームワークを提示します。

関連論文リスト

• ConTReGen: Context-driven Tree-structured Retrieval for Open-domain Long-form Text Generation [26.4086456393314]
  長い形式のテキスト生成には、幅と深さの両方で複雑なクエリに対処する一貫性のある包括的な応答が必要である。 既存の反復的な検索拡張生成アプローチは、複雑なクエリの各側面を深く掘り下げるのに苦労することが多い。 本稿では,コンテキスト駆動型木構造検索手法を用いた新しいフレームワークであるConTReGenを紹介する。
  論文  参考訳（メタデータ） (2024-10-20T21:17:05Z)
• A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
  ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。 超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
  論文  参考訳（メタデータ） (2024-04-25T17:58:17Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• 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)
• Boosting Search Engines with Interactive Agents [25.89284695491093]
  本稿では,文脈的クエリ改善のためのメタストラテジーを学習するエージェントの設計における第一歩について述べる。 エージェントには単純だが効果的な検索操作者がいて、クエリや検索結果のきめ細やかで透明な制御を行う。
  論文  参考訳（メタデータ） (2021-09-01T13:11:57Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)

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。