English(EN) How Do LLM-Generated Texts Impact Term-Based Retrieval Models?

研究发现：大型语言模型生成的文本影响基于词项的检索模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 04:00

一项新的研究论文探讨了大型语言模型（LLM）生成的文本如何影响传统的基于词项的检索模型，如BM25。研究发现，LLM生成的文本具有更平滑的高频Zipf斜率和更陡峭的低频Zipf斜率，以及更高的词项特异性和文档多样性。研究人员分析了这些语言特征，认为这是由于LLM针对读者体验进行了优化。论文总结道，基于词项的检索模型并不表现出固有的来源偏见，而是优先检索词项分布与查询词项一致的文档。 AI

影响这项研究有助于理解大型语言模型生成的内容可能如何影响搜索引擎结果和信息检索系统。

排序理由关于信息检索模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 关于信息检索模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Wei Huang, Keping Bi, Yinqiong Cai, Wei Chen, Jiafeng Guo, Xueqi Cheng · 2026-10-16 04:00

LLM生成的文本如何影响基于词项的检索模型？

arXiv:2508.17715v2 Announce Type: replace-cross Abstract: As more content generated by large language models (LLMs) floods into the Internet, information retrieval (IR) systems now face the challenge of distinguishing and handling a blend of human-authored and machine-generated t…

本文如何被排名

报道来源 [1]

LLM生成的文本如何影响基于词项的检索模型？

相关实体

相关话题