English(EN) RAG-Enhanced Large Language Models for Dynamic Content Expiration Prediction in Web Search

LLM 预测百度网络搜索的内容过期

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 06:20

研究人员开发了一个新的框架，使用大型语言模型（LLM）来预测网络搜索中的内容过期，解决了信息新鲜度的挑战。该方法已部署在百度搜索中，将时效性重新构建为动态有效性推理任务。通过提取时间上下文并使用 LLM 来确定特定查询的“有效性范围”，该系统旨在提供更相关和最新的搜索结果，并在用户体验指标方面显示出显著的改进。 AI

影响通过使用 LLM 动态评估信息时效性来提高网络搜索的相关性，从而改善用户体验。

排序理由该集群包含一篇详细介绍新框架及其评估的学术论文。[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 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Daiting Shi · 2026-05-13 06:20

用于网页搜索中动态内容过期预测的 RAG 增强大型语言模型

In commercial web search, aligning content freshness with user intent remains challenging due to the highly varied lifespans of information. Traditional industrial approaches rely on static time-window filtering, resulting in "one-size-fits-all" rankings where content may be chro…

报道来源 [1]

用于网页搜索中动态内容过期预测的 RAG 增强大型语言模型

相关实体

相关话题