論文の概要: Beyond Pipelines: A Fundamental Study on the Rise of Generative-Retrieval Architectures in Web Research

• arxiv url: http://arxiv.org/abs/2602.17450v1
• Date: Thu, 19 Feb 2026 15:14:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.123472
• Title: Beyond Pipelines: A Fundamental Study on the Rise of Generative-Retrieval Architectures in Web Research
• Title（参考訳）: Beyond Pipelines: Webリサーチにおける生成検索アーキテクチャの台頭に関する基礎研究
• Authors: Amirereza Abbasi, Mohsen Hooshmand,
• Abstract要約: 大規模言語モデル(LLM)の導入は、フィールドとその応用に大きな影響を与えている。 LLMは、従来のパイプラインを、情報検索、質問応答、レコメンデーションシステム、Web分析といったタスクのための生成ソリューションに変換する。 また、Webベースの要約や教育ツールといった新しいアプリケーションも実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web research and practices have evolved significantly over time, offering users diverse and accessible solutions across a wide range of tasks. While advanced concepts such as Web 4.0 have emerged from mature technologies, the introduction of large language models (LLMs) has profoundly influenced both the field and its applications. This wave of LLMs has permeated science and technology so deeply that no area remains untouched. Consequently, LLMs are reshaping web research and development, transforming traditional pipelines into generative solutions for tasks like information retrieval, question answering, recommendation systems, and web analytics. They have also enabled new applications such as web-based summarization and educational tools. This survey explores recent advances in the impact of LLMs-particularly through the use of retrieval-augmented generation (RAG)-on web research and industry. It discusses key developments, open challenges, and future directions for enhancing web solutions with LLMs.
• Abstract（参考訳）: Webリサーチとプラクティスは、時間とともに大きく進化し、幅広いタスクにまたがって、多様な、アクセス可能なソリューションを提供しています。 Web 4.0のような先進的な概念は成熟した技術から生まれたが、大規模言語モデル(LLM)の導入は分野とその応用に大きな影響を与えている。 LLMのこの波は科学と技術に深く浸透し、まだ触れられていない領域は残っていない。 その結果、LLMはWebの研究と開発を変革し、従来のパイプラインを情報検索、質問応答、レコメンデーションシステム、Web分析といったタスクのための生成ソリューションに変換する。 また、Webベースの要約や教育ツールといった新しいアプリケーションも実現している。 本調査は,検索強化世代(RAG)によるWeb研究・産業におけるLLMの影響の最近の進展を考察する。 LLMでWebソリューションを強化するための重要な開発、オープンな課題、今後の方向性について論じる。

関連論文リスト

• Large language models for automated scholarly paper review: A survey [2.41072532750517]
  本研究の目的は,大規模言語モデル(LLM)の時代における自動学術論文レビュー(ASPR)の全体像を提供することである。 LLM技術の導入により,ASPR関連技術のボトルネックが解決されたのかを概観する。 本稿では,ASPR における LLM の性能と課題を要約し,ASPR に対する出版社や学界の態度と反応について考察する。
  論文  参考訳（メタデータ） (2025-01-17T17:56:58Z)
• Large Language Models for Networking: Workflow, Advances and Challenges [19.104593453342304]
  ネットワークの分野は、その複雑さと迅速な反復によって特徴づけられる。 従来の機械学習ベースの手法は、ネットワークにおける複雑なタスクの一般化と自動化に苦慮している。 近年の大規模言語モデル(LLM)の出現は、これらの課題に対処する新たな可能性の波を引き起こしている。
  論文  参考訳（メタデータ） (2024-04-19T14:17:02Z)
• ChatGPT Alternative Solutions: Large Language Models Survey [0.0]
  大規模言語モデル(LLM)はこの領域における研究貢献の急増に火をつけた。 近年、学術と産業のダイナミックな相乗効果が見られ、LLM研究の分野を新たな高地へと押し上げた。 この調査は、ジェネレーティブAIの現状をよく理解し、さらなる探索、強化、イノベーションの機会に光を当てている。
  論文  参考訳（メタデータ） (2024-03-21T15:16:50Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• A Comprehensive Overview of Large Language Models [68.22178313875618]
  大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。 本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
  論文  参考訳（メタデータ） (2023-07-12T20:01:52Z)

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。